# AWS показала дообучение поисковых агентов с многошаговым RL

> По данным AWS, дообучение Qwen3.6-27B с помощью SageMaker AI улучшило результаты на трёх из четырёх тестов и снизило число сбоев в BrowseComp-Plus.

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

AWS опубликовала руководство по дообучению поискового агента с помощью многошагового обучения с подкреплением на Amazon SageMaker AI. Агент обучается выполнять целую последовательность поисковых запросов, а в качестве вознаграждения используется качество итоговых результатов.

По оценке AWS, дообученная Qwen3.6-27B показала улучшение на трёх из четырёх тестов, не использовавшихся при обучении. В BrowseComp-Plus показатель nDCG@10 вырос на 23.7%, а доля неудачных попыток снизилась с 22.89% до 0.68%. По данным AWS, обучение проводилось в течение одной эпохи с размером пакета 128; в предоставленном тексте публикации полный набор результатов не приводится.

## Факты

- По данным AWS, показатель nDCG@10 в BrowseComp-Plus вырос на 23.7%.
- В оценке AWS доля неудачных попыток в BrowseComp-Plus снизилась с 22.89% до 0.68%.

## Почему это важно

Для команд, создающих поисковых агентов на SageMaker AI, результаты AWS говорят о том, что многошаговое дообучение может сократить число неудачных попыток. Однако в предоставленном фрагменте публикации нет полных результатов тестов и данных о стоимости обучения.

## Источники и ссылки

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

Обновлено: 2026-10-02