AWS、SageMaker AIでsearch agentのmulti-turn RLを解説

AWSはAmazon SageMaker AIのmulti-turn reinforcement learningを使い、検索agentをfine-tuneする手法を公開しました。PPO、CISPO、GRPO系評価、MLflow managed by SageMaker AIでの観測を紹介しています。