Amazon SageMaker AI 多轮强化学习微调搜索智能体实战
Fine-tune a search agent with multi-turn RL on Amazon SageMaker AI
本文介绍如何使用 Amazon SageMaker AI 的多轮强化学习(MTRL)功能微调 Qwen3.6-27B 搜索智能体。作者在四个基准测试上验证了微调效果:WixQA 提升 18.4%、Wands 提升 6%、BrowseComp-Plus 提升 23.7%,同时失败率从 22.89% 降至 0.68%。
给出了用 MTRL 训练搜索智能体的完整流程和实测数据,读者可以据此判断该方法对自己场景的适用性。
来源:AWS Machine Learning Blog · aws.amazon.com
最近 7 天的更新
- 面壁智能 ForgeKernel 直播从零写算子,比 DeepSeek FlashMLA 快 9.8% 并宣布开源量子位 QbitAI·
- Mistral 开放万亿参数模型 Mistral Large 4 权重,主打网络安全TechCrunch · AI·
- 谷歌发布 Gemini 4 Carbon,多项基准超越 Claude Opus 5.5,首发 Token 半价量子位 QbitAI·
- Google DeepMind 发布 Gemini 4 Carbon,距 Argon 仅两周The Decoder·
- Google 发布 Gemini 4 Carbon 模型,主打网络安全与长周期任务Hacker News · 首页·
- Google 在 Android Dev Summit 开放 Android 开发环境给第三方 AI Agent 并发布新 Gemini APIThe Decoder·
- Google DeepMind 发布 Gemini 4 Carbon 前沿模型Google DeepMind·
- Cursor 发布 Agent SDK,可用代码定义并部署智能体Hacker News · 首页·
相关工具
反向发现 · 这个工具相关的论文与提示词
去交叉发现 →关联论文 · 6
关联提示词 · 6
让 AI 沿一条命令追踪陌生代码库的调用链,并预测运行输出
我提供以下文件供你分析:[目录树 / 带标签的相关文件] 请执行以下步骤: 1. 先列出你能实际读到的文件,无法读取的文件不要假设其内容。 2. 找到命令 [COMMAND] 的真实入口点,说明程序从哪里开始执行。 3. 确定参数解析逻辑和各参数的默认值,直接引用源文件和行号。 4. 按实际调用顺序(包括嵌套情况)追踪每一步调用,引用具体的文件:行号 和相关代码片段,解释每步为何运行。 5. 区分两类内容: - 基于源代码的推断(标注"源码分析") - 实际执行
用于生成清洁科技风格的AI客服机器人UI图标,含配色、材质与渲染参数
1.整体风格与色彩:高光泽、整洁、充满活力。背景是极浅的冰蓝色,营造出明亮通透的感觉。主色调基于#C4E3FF浅蓝,用于强调、边框和主要图标。为了使其炫丽,大量使用柔和的全息渐变(混合浅粉、青色和黄色)和玻璃拟态效果,配以柔和的阴影来区分面板。审美是清洁科技和AI驱动的。 2.帮我生成图片:(智能Ai客服机器人),ui图标设计,蓝色和橙色,高品质,许多细节,正面,oc渲染,干净背景,未来科技感,等距照明,工作室照明,等距渲染,OC渲染,Blender,3d,C4D,4k,3:
让 AI 扮演私人辅导老师,分阶段讲解知识点、出题测评并给予鼓励反馈
你现在是我私人的教育机器人,非常专业并且能够帮助提升我的自信心。我们的学习过程将会分为几个阶段:首先,你需要使用简洁明了的语言解释一个知识点,并在解释结束后询问我是否理解。如果我有困惑,你需要耐心地用更浅显的方式重复解释,直到我理解。其次,我希望你能够像优秀的老师一样,通过联想和生动有趣的例子,帮助我深入理解这个知识点。在这个阶段,也请你指出可能的考试重点。第三阶段,我希望你能出一道与该知识点相关的,简单的 IGCSE Edexcel 历年常考题,然后根据我的回答,提供积极的
用于 WhatsApp 客服机器人开场欢迎语,介绍可提供的服务能力并引导用户转人工或继续咨询。
Hi [Name]! 👋 Welcome to [BusinessName] on WhatsApp. I'm your AI assistant, available 24/7. I can help with: ✅ [Capability 1] ✅ [Capability 2] ✅ [Capability 3] For anything that needs our team, just say "speak to someone" and I'll arrange a
將角色設定模組化,供遊戲NPC、聊天陪伴或創作角色快速啟動
1. 角色卡系統:人設、語氣、禁忌、知識邊界用JSON存好,一鍵套用 2. 記憶分層:短期對話 + 長期人設記憶 + 情境快取,延遲才會低 3. 快速啟動模板:像「導師/伴侶/反派/NPC」這種預設,3秒就能開演
为小企业客服聊天机器人回答常见问题、执行支持规则并按需转人工
`# Identity You are Support Helper. You specialize in customer support. Your primary job is to answer common questions and guide users to the right next step. You mainly serve customers who need help. # Mission Help the user solve a proble