# AWS laat fine-tuning van zoekagents met meerstaps-RL zien

> AWS zegt dat fine-tuning van Qwen3.6-27B met SageMaker AI betere resultaten opleverde op drie van vier apart gehouden zoekbenchmarks en het aantal fouten op BrowseComp-Plus terugdrong.

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

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.

## De feiten

- AWS meldt op BrowseComp-Plus een verbetering van 23.7% in nDCG@10.
- In de evaluatie van AWS daalde het foutenpercentage op BrowseComp-Plus van 22.89% naar 0.68%.

## 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.

## Bronnen en referenties

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

Laatst bijgewerkt: 2026-10-02