SageMaker AI 多轮强化学习实战指南:以 Wordle 为例训练 gpt-oss-20b
AWS 在博客中给出 Amazon SageMaker AI 多轮强化学习(MTRL)的实操指南,用 Wordle 作为示例训练 gpt-oss-20b。训练作业和待训练的策略模型由 SageMaker AI 负责,智能体、游戏环境和奖励函数托管在 Bedrock AgentCore,只对整局结果打分,再由 GRPO 更新 LoRA 适配器。
推荐理由:从奖励设计、部署到训练失败的完整排错记录,给出了可复用的多轮强化学习落地路径和单次训练成本。