“reinforcement-learning” の検索結果

SageMakerでのマルチターン強化学習による検索エージェントのファインチューニング

Amazonは、マルチターン強化学習を用いてQwen3.6-27B検索エージェントをファインチューニングし、失敗率を22%から1%未満に削減すると同時に、検索品質を向上させる方法を実証しました。