# AWS展示搜索智能体的多轮强化学习微调

> AWS称，使用 SageMaker AI 微调 Qwen3.6-27B 后，在四项未参与训练的搜索基准测试中有三项表现提升，BrowseComp-Plus 的失败率也有所下降。

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

AWS发布了一份指南，介绍如何在 Amazon SageMaker AI 上通过多轮强化学习微调搜索智能体。这种方法会让智能体针对完整的搜索序列进行训练，并依据最终结果的质量给予奖励。

在 AWS 的评估中，微调后的 Qwen3.6-27B 在四项未参与训练的基准测试中有三项表现提升。在 BrowseComp-Plus 上，其 nDCG@10 得分提高了 23.7%，失败率则从 22.89% 降至 0.68%。AWS表示，训练采用了一个 epoch 和 128 的批次大小；所提供的文章内容没有列出完整的结果。

## 事实

- AWS报告称，BrowseComp-Plus 上的 nDCG@10 提高了 23.7%。
- 在 AWS 的评估中，BrowseComp-Plus 的失败率从 22.89% 降至 0.68%。

## 为什么重要

对于在 SageMaker AI 上构建搜索智能体的团队，AWS的结果表明，多轮微调或许能减少任务失败；不过，所提供的文章节选并未包含完整的基准测试结果或训练成本。

## 来源与参考

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

最后更新: 2026-10-02