# AWS از بهبود عامل‌های جست‌وجو با آموزش تقویتی چندمرحله‌ای می‌گوید

> AWS می‌گوید ریزتنظیم Qwen3.6-27B با SageMaker AI، نتایج را در سه مورد از چهار آزمون جست‌وجوی کنارگذاشته‌شده بهتر کرد و خطاها را در BrowseComp-Plus کاهش داد.

Oossa · 2026-10-02 · https://oossa.com/fa/aws-shows-multi-turn-rl-fine-tuning-for-search-agents

AWS راهنمایی برای ریزتنظیم یک عامل جست‌وجو با یادگیری تقویتی چندمرحله‌ای در Amazon SageMaker AI منتشر کرده است. در این روش، عامل طی رشته‌ای کامل از جست‌وجوها آموزش می‌بیند و کیفیت نتایج نهایی آن به‌عنوان پاداش سنجیده می‌شود.

در ارزیابی AWS، مدل ریزتنظیم‌شده Qwen3.6-27B در سه مورد از چهار بنچمارک کنارگذاشته‌شده عملکرد بهتری داشت. در BrowseComp-Plus، امتیاز nDCG@10 آن 23.7% افزایش یافت و نرخ خطا از 22.89% به 0.68% رسید. AWS می‌گوید آموزش با یک epoch و اندازه دسته 128 انجام شد؛ متن ارائه‌شده از پست، مجموعه کامل نتایج را دربر ندارد.

## حقایق

- AWS از بهبود 23.7% در امتیاز nDCG@10 در BrowseComp-Plus خبر داده است.
- در ارزیابی AWS، نرخ خطای BrowseComp-Plus از 22.89% به 0.68% کاهش یافت.

## چرا مهم است

برای تیم‌هایی که با SageMaker AI عامل جست‌وجو می‌سازند، نتایج AWS نشان می‌دهد ریزتنظیم چندمرحله‌ای می‌تواند خطاهای انجام وظایف را کاهش دهد؛ هرچند گزیده ارائه‌شده از پست، نتایج کامل بنچمارک‌ها یا هزینه‌های آموزش را شامل نمی‌شود.

## منابع و ارجاع‌ها

1. [Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI](https://aws.amazon.com/blogs/machine-learning/fine-tune-a-search-agent-with-multi-turn-rl-on-amazon-sagemaker-ai/) – AWS, 2026-10-02

آخرین به‌روزرسانی: 2026-10-02