AWS heeft een handleiding gepubliceerd voor het fine-tunen van een zoekagent met meerstaps reinforcement learning op Amazon SageMaker AI. De methode traint de agent op een volledige reeks zoekopdrachten en gebruikt de kwaliteit van de uiteindelijke resultaten als beloning.
In de evaluatie van AWS presteerde de gefinetunede Qwen3.6-27B beter op drie van de vier apart gehouden benchmarks. Op BrowseComp-Plus steeg de nDCG@10-score met 23.7% en daalde het foutenpercentage van 22.89% naar 0.68%. AWS zegt dat de training één epoch en een batchgrootte van 128 gebruikte; de post bevat in de aangeleverde tekst geen volledige resultaten.
Waarom het ertoe doet
Voor teams die zoekagents bouwen op SageMaker AI wijzen de resultaten van AWS erop dat fine-tuning over meerdere stappen het aantal fouten bij taken kan terugdringen. Het aangeleverde fragment van de post bevat echter niet de volledige benchmarkresultaten of de trainingskosten.
