A AWS publicou um guia sobre como ajustar um agente de busca com aprendizado por reforço em várias etapas no Amazon SageMaker AI. O método treina o agente ao longo de uma sequência completa de buscas e usa a qualidade dos resultados finais como recompensa.
Na avaliação da AWS, o Qwen3.6-27B ajustado teve melhor desempenho em três dos quatro benchmarks retidos para avaliação. No BrowseComp-Plus, a pontuação nDCG@10 subiu 23.7%, e a taxa de falhas caiu de 22.89% para 0.68%. A AWS diz que o treinamento usou uma época e um tamanho de lote de 128; o texto fornecido da publicação não apresenta um conjunto completo de resultados.
Por que importa
Para equipes que desenvolvem agentes de busca no SageMaker AI, os resultados da AWS sugerem que o ajuste fino em várias etapas pode reduzir falhas nas tarefas, embora o trecho fornecido da publicação não inclua os resultados completos dos benchmarks nem os custos do treinamento.
