# AWS、検索エージェントの複数ターン強化学習によるファインチューニングを紹介

> AWSによると、SageMaker AIでQwen3.6-27Bをファインチューニングした結果、未学習の検索ベンチマーク4種のうち3種で性能が向上し、BrowseComp-Plusでの失敗率が低下した。

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

AWSは、Amazon SageMaker AIで複数ターンの強化学習を用いて検索エージェントをファインチューニングする方法を解説したガイドを公開した。この手法では、一連の検索を通してエージェントを訓練し、最終的な検索結果の質を報酬として用いる。

AWSの評価では、ファインチューニングしたQwen3.6-27Bは未学習のベンチマーク4種のうち3種で性能が向上した。BrowseComp-Plusでは、nDCG@10のスコアが23.7%上昇し、失敗率は22.89%から0.68%に低下した。AWSによると、訓練は1エポック、バッチサイズ128で実施した。提供された文章には、結果の全容は記載されていない。

## 事実

- AWSの報告では、BrowseComp-PlusでnDCG@10が23.7%向上した。
- AWSの評価では、BrowseComp-Plusの失敗率が22.89%から0.68%に低下した。

## なぜ重要か

SageMaker AI上で検索エージェントを開発するチームにとって、AWSの結果は、複数ターンのファインチューニングによってタスクの失敗を減らせる可能性を示している。ただし、提供された記事の抜粋には、ベンチマークの全結果や訓練コストは含まれていない。

## 出典と参考資料

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

最終更新: 2026-10-02