AWS发布SageMaker多轮强化学习指南

发生了什么

AWS发布了基于Amazon SageMaker AI的多轮强化学习（MTRL）实操指南，旨在通过GRPO算法训练智能体模型以处理多步骤任务。该方案支持Amazon Nova 2 Lite、GPT-OSS-20B、Gemma 4 31B及Qwen 3.6 27B等模型，通过LoRA适配器进行训练。用户无需配置集群，按预填充（Prefill）、采样（Sample）及训练（Train）三个维度的百万token用量付费。以GPT-OSS-20B模型为例，其在us-east-1区域的定价分别为每百万token 0.12美元（预填充）、0.30美元（采样）及0.36美元（训练）。