Amazon SageMaker AI 多轮强化学习实操指南：用 Wordle 示例训练智能体

AWS 发布在 Amazon SageMaker AI 上进行多轮强化学习（MTRL）的实操指南，训练任务通过 AgentCore 托管的智能体执行多轮动作，只按整局结果给一个奖励。示例中 gpt-oss-20b 在默认推理强度下对留出单词的解决率从 61% 提升到 84%，训练 token 成本约 339 美元。文章还给出奖励设计的两处反转错误和并发鉴权、工具调用漂移等训练失败点。