AWS 官方博客介绍用 Amazon SageMaker AI 的多轮强化学习（MTRL）微调搜索智能体：以 nDCG@10 作为轨迹级奖励，在多个检索基准上取得提升，其中 BrowseComp-Plus 提升 23.7%、WixQA 提升 18.4%，失败率从 22.89% 降至 0.68%。文章同时给出数据集、奖励
AWS 详解 SageMaker AI 多轮强化学习微调搜索智能体