AWS ने Amazon SageMaker AI पर मल्टी-टर्न रिइन्फोर्समेंट लर्निंग के जरिए सर्च एजेंट को फाइन-ट्यून करने की गाइड प्रकाशित की। इस तरीके में एजेंट को सर्च की पूरी श्रृंखला पर प्रशिक्षित किया जाता है और उसके अंतिम नतीजों की गुणवत्ता के आधार पर उसे इनाम मिलता है।
AWS के मूल्यांकन में, फाइन-ट्यून किए गए Qwen3.6-27B ने उन चार बेंचमार्क में से तीन पर बेहतर प्रदर्शन किया जिनका इस्तेमाल ट्रेनिंग में नहीं हुआ था। BrowseComp-Plus पर इसका nDCG@10 स्कोर 23.7% बढ़ा और विफलता दर 22.89% से घटकर 0.68% रह गई। AWS का कहना है कि ट्रेनिंग में एक epoch और 128 का batch size इस्तेमाल किया गया; उपलब्ध टेक्स्ट में पोस्ट नतीजों का पूरा विवरण नहीं देता।
यह क्यों मायने रखता है
SageMaker AI पर सर्च एजेंट बनाने वाली टीमों के लिए AWS के नतीजे संकेत देते हैं कि मल्टी-टर्न फाइन-ट्यूनिंग से काम पूरे करने में होने वाली विफलताएं घट सकती हैं। हालांकि, उपलब्ध पोस्ट अंश में बेंचमार्क के पूरे नतीजे या ट्रेनिंग की लागत शामिल नहीं है।
