AWS har publicerat en guide till hur man finjusterar en sökagent med förstärkningsinlärning över flera turer på Amazon SageMaker AI. Metoden tränar agenten genom en hel följd av sökningar och använder kvaliteten på slutresultaten som belöning.
I AWS utvärdering förbättrades den finjusterade Qwen3.6-27B på tre av fyra undanhållna benchmarkar. På BrowseComp-Plus ökade nDCG@10-poängen med 23.7% och andelen misslyckade uppgifter sjönk från 22.89% till 0.68%. AWS uppger att träningen omfattade en epok och en batchstorlek på 128; inlägget innehåller inte en fullständig uppsättning resultat i den tillhandahållna texten.
Varför det spelar roll
För team som bygger sökagenter på SageMaker AI tyder AWS resultat på att finjustering över flera turer kan minska antalet misslyckade uppgifter. Det tillhandahållna utdraget innehåller dock inte fullständiga benchmarkresultat eller träningskostnader.
