AWS 在 SageMaker AI 上用多輪 RL 微調搜尋智慧體

2026 年 10 月 2 日，AWS Machine Learning Blog 釋出文章，介紹在 Amazon SageMaker AI 上用多輪強化學習（MTRL）微調由 LLM 驅動的搜尋智慧體。文章稱，微調的作用是讓一個小型搜尋智慧體學會使用使用者自己的工具和環境，從而以更低的延遲和成本獲得前沿模型那樣的可靠性。

按照文章的描述，這套做法把微調與多輪強化學習結合在一起：智慧體在多輪互動過程中學習呼叫給定的工具與環境，而不只是停留在單輪問答。AWS 表示，他們在這套設定下測得了檢索質量與可靠性上的提升。

截至目前的材料中，文章沒有給出具體使用的模型名稱、引數規模、評測基準、延遲或成本數字，也沒有說明實驗所用工具和環境的具體構成，公開的結果僅為 AWS 自測的檢索質量與可靠性提升。

這是該事件目前收到的唯一一篇報道，來源是 AWS 官方部落格，屬於廠商自述的技術分享，尚無獨立的第三方復現或評測。事情停在這一步：AWS 已經公開了在 Amazon SageMaker AI 上以 MTRL 微調搜尋智慧體的方法，以及其自報的檢索質量與可靠性提升。