AWS publicó una guía para ajustar un agente de búsqueda mediante aprendizaje por refuerzo multietapa en Amazon SageMaker AI. El método entrena al agente a lo largo de una secuencia completa de búsquedas y utiliza la calidad de los resultados finales como recompensa.
En la evaluación de AWS, Qwen3.6-27B, tras el ajuste fino, mejoró en tres de cuatro pruebas reservadas. En BrowseComp-Plus, su puntuación nDCG@10 aumentó un 23.7% y la tasa de fallos bajó del 22.89% al 0.68%. AWS señala que el entrenamiento se realizó durante una época y con un tamaño de lote de 128; el texto proporcionado de la publicación no incluye un conjunto completo de resultados.
Por qué importa
Para los equipos que crean agentes de búsqueda en SageMaker AI, los resultados de AWS sugieren que el ajuste fino multietapa podría reducir los fallos en las tareas, aunque el fragmento proporcionado de la publicación no incluye todos los resultados de las pruebas ni los costes de entrenamiento.
