Amazon SageMaker AIでのマルチターン強化学習の実践ガイド

AWSがAmazon SageMaker AIのマルチターン強化学習（MTRL）を使い、gpt-oss-20bをWordleで訓練する手順を解説する。保留した単語での正答率は、デフォルトの推論強度で61%から84%、訓練に用いた低い推論強度で15%から69%に向上した。学習に使ったトークン費用は約339ドルで、エージェントはAmazon Bedrock AgentCoreにホストされる。