AWS a publié un guide expliquant comment affiner un agent de recherche par apprentissage par renforcement multi-tour sur Amazon SageMaker AI. Cette méthode entraîne l’agent sur une séquence complète de recherches et utilise la qualité des résultats finaux comme récompense.
Lors de l’évaluation d’AWS, Qwen3.6-27B affiné a obtenu de meilleurs résultats sur trois des quatre benchmarks tenus à l’écart. Sur BrowseComp-Plus, son score nDCG@10 a augmenté de 23.7 % et son taux d’échec est passé de 22.89 % à 0.68 %. AWS indique que l’entraînement a duré une époque et utilisé une taille de lot de 128 ; le texte fourni ne donne pas l’ensemble des résultats.
Pourquoi c'est important
Pour les équipes qui développent des agents de recherche sur SageMaker AI, les résultats d’AWS suggèrent que le fine-tuning multi-tour pourrait réduire les échecs, même si l’extrait fourni ne comprend ni tous les résultats des benchmarks ni les coûts d’entraînement.
