AWS展示在SageMaker上以多轮强化学习提升小型搜索智能体的检索与可靠性。
推荐理由：实质策略是让小模型在连续工具调用轨迹上接受强化学习，以较低延迟和成本逼近前沿模型的搜索可靠性；但摘要未给出增益数字，结论仍需核验。
阅读原文