AWS SageMaker AI 多轮强化学习实战教程

AWS 官方教程演示了如何在 Amazon SageMaker AI 上利用多轮强化学习训练 gpt-oss-20b 模型玩 Wordle。训练后该模型在默认推理努力下的解出率从 61% 提升至 84%，整个 100 步训练过程消耗了约 339 美元的 token 费用。文章详细覆盖了 Agent 部署、奖励函数设计避坑以及通过 MLflow 监控训练曲线的具体步骤。