# Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide

- 发布方：Amazon Web Services \(AWS Machine Learning Blog\)；作者：Daniel Quang、Hadrien Almela、Vinay Bhat
- 形式：实践教程 · en
- 原始资源：[https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/](<https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/>)
- 本站页面：[https://oplearnx.com/resources/res\_shfvpzw8b2yx](<https://oplearnx.com/resources/res_shfvpzw8b2yx>)
- 学习主题：人工智能 / 机器学习 / 强化学习；人工智能 / 大语言模型 LLM / 微调与对齐；人工智能 / 大语言模型 LLM / 微调与对齐 / 偏好优化与 RLHF
- 内容状态：状态待核验
- 原始发布时间：2026-10-24 01:48
- 本站首次收录：2026-10-24 09:01

## 能学到什么

掌握在 Amazon SageMaker AI 上用多轮强化学习（MTRL \+ GRPO \+ LoRA）训练能完成多步任务的 Agent，并以 Wordle 为例走通从环境部署到训练、监控与评估的完整流程。

- 说清多轮强化学习与单轮 RL、监督微调的区别，以及为什么适合多步 Agent 任务
- 搭建 SageMaker AI 训练作业与 AgentCore 托管的 Agent、环境和奖励函数之间的连接结构
- 准备并格式化用于 MTRL 的训练数据集（每行一个任务/环境初始状态）
- 配置 GRPO 与 LoRA 适配器的训练参数并提交训练作业
- 在 MLflow 中监控训练过程与奖励曲线
- 按服务端设置对训练后模型做评估，比较默认与低推理档位的表现
- 识别并规避奖励设计与训练中常见的错误

## 适合我吗

- 适合：适合已熟悉 LLM 微调与强化学习基本概念、想在云上实践多轮 Agent 强化学习的工程师和数据科学家。
- 需要留意：不适合完全没有 RL 与 LLM 训练基础的初学者；也不适合不想使用 AWS 云服务的人。

## 前置条件与费用

- 知识前置：需要了解 LLM 微调、强化学习（策略、奖励、GRPO）与 LoRA 的基本概念，并能读写 Python 与常见 ML 配置。
- 软件、账号与硬件：需要 AWS 账号并有权限使用 Amazon SageMaker AI、Amazon Bedrock AgentCore 及相关配额（网页提到可申请提高配额）；训练会产生费用，实践需按 SageMaker 定价付费；需能使用 GitHub 仓库 aws-samples/sample-multi-turn-rl-wordle 中的代码。
- 内容费用：免费：网页正文可免费阅读完整教程，代码在公开的 aws-samples 仓库中，无付费墙或登录拦截；但运行训练需另付 SageMaker 云服务费用。
- 实践费用：实践需要付费：文中示例训练约花费 339 美元的训练 token 费用，实操需开通并按 SageMaker AI、AgentCore 等 AWS 服务的定价付费。
- 转载与修改：按材料分别核对，见本页“来源核验与开课实跑”；仓库许可不自动适用于教材或视频。

## 准备工具

- AWS 账号与 SageMaker AI 控制台：创建并运行 MTRL 训练与评估作业
- [Git](<https://github.com/aws-samples/sample-multi-turn-rl-wordle>)：克隆示例代码仓库
- Python 环境：运行示例脚本与配置
- [AWS CLI](<https://docs.aws.amazon.com/bedrock-agentcore/latest/devguide/agentcore-get-started-cli.html>)：部署 AgentCore 代理与管理资源
- MLflow：监控训练过程与指标

## 学习指南

开课检查：提示词由本站整理，尚未按提示词实际完成开课检查。

### 开课提示词（Windows）

```text
请帮我把「Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
我的系统：Windows。如果实际不符，先调整方案。
本次路线：Windows：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：动手需要真实 AWS 资源并会产生费用，建议先用小数据集与少量 rollout 验证管线，再按需提高配额与训练规模。Wordle 只是教学示例，可将其替换为你自己的多步任务环境与奖励函数。
课节（官方顺序）：
1. Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/

1. 环境
- AWS 账号（SageMaker AI、Bedrock AgentCore、Lambda 等权限）
- Python 3 环境
- 示例仓库 aws-samples/sample-multi-turn-rl-wordle
- 可选：AWS CLI、MLflow
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
3. 目录（最外层放在我确认的位置）
sagemaker-mtrl-wordle/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.ps1     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-multi-turn-reinforcement-learning-on/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.ps1，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。将下面检查转换为 PowerShell 命令，不使用 Bash 语法。
  - 打开 SageMaker 控制台，确认训练作业列表中出现本次 MTRL 作业  → 作业状态为 InProgress 或 Completed
  - 打开 MLflow 界面查看本次实验  → 能看到奖励等训练指标随步数变化的记录
  - 查看评估作业输出  → 能看到模型在留出单词上的解决率数值
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（macOS）

```text
请帮我把「Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
我的系统：macOS。如果实际不符，先调整方案。
本次路线：macOS：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：动手需要真实 AWS 资源并会产生费用，建议先用小数据集与少量 rollout 验证管线，再按需提高配额与训练规模。Wordle 只是教学示例，可将其替换为你自己的多步任务环境与奖励函数。
课节（官方顺序）：
1. Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/

1. 环境
- AWS 账号（SageMaker AI、Bedrock AgentCore、Lambda 等权限）
- Python 3 环境
- 示例仓库 aws-samples/sample-multi-turn-rl-wordle
- 可选：AWS CLI、MLflow
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
3. 目录（最外层放在我确认的位置）
sagemaker-mtrl-wordle/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-multi-turn-reinforcement-learning-on/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - 打开 SageMaker 控制台，确认训练作业列表中出现本次 MTRL 作业  → 作业状态为 InProgress 或 Completed
  - 打开 MLflow 界面查看本次实验  → 能看到奖励等训练指标随步数变化的记录
  - 查看评估作业输出  → 能看到模型在留出单词上的解决率数值
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 开课提示词（Linux）

```text
请帮我把「Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide」的学习环境一次准备好，让我之后只需要按顺序学习和做练习。
开始前先问我：课程放在哪个目录（等我给出完整路径），确认我的操作系统和已有工具。确认前不要创建文件或安装软件。

课程入口：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
我的系统：Linux。如果实际不符，先调整方案。
本次路线：Linux：本机动手。只准备这条路线需要的工具；只读路线不安装运行环境、不配置模型密钥。
练习：动手需要真实 AWS 资源并会产生费用，建议先用小数据集与少量 rollout 验证管线，再按需提高配额与训练规模。Wordle 只是教学示例，可将其替换为你自己的多步任务环境与奖励函数。
课节（官方顺序）：
1. Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/

1. 环境
- AWS 账号（SageMaker AI、Bedrock AgentCore、Lambda 等权限）
- Python 3 环境
- 示例仓库 aws-samples/sample-multi-turn-rl-wordle
- 可选：AWS CLI、MLflow
- 安装前先列出要装的软件和命令，等我同意；已装好的直接复用。
2. 材料
- 官方课程页面：只记录链接 https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/
3. 目录（最外层放在我确认的位置）
sagemaker-mtrl-wordle/
├── README.md        # 课程入口、课节清单、每次怎么开始
├── progress.md      # 每课：读讲义 / 做练习 / 记笔记
├── questions.md     # 待解决的问题
├── check-env.sh     # 环境自检，按 README 操作
├── data/            # 练习用到的样例数据
└── lessons/         # 每课一个文件夹：notes.md + exercises/
    └── 01-01-multi-turn-reinforcement-learning-on/
- 每课文件夹里建 notes.md（顶部写本课官方链接）和 exercises/；课节文件夹名称与上面一致。
- 已有课程目录先检查并复用；不覆盖笔记、作业或 progress.md，不重置已有进度。尚未发布的课节保留入口并注明未发布，不能代写讲义或虚构练习。
4. 自检
- 创建 check-env.sh，逐项检查并记录“通过/未通过”：
- 在课程根目录运行；每项检查独立执行，进入子目录不能影响下一项。使用当前系统的终端运行。
  - 打开 SageMaker 控制台，确认训练作业列表中出现本次 MTRL 作业  → 作业状态为 InProgress 或 Completed
  - 打开 MLflow 界面查看本次实验  → 能看到奖励等训练指标随步数变化的记录
  - 查看评估作业输出  → 能看到模型在留出单词上的解决率数值
- 标注为人工检查、浏览器操作或 notebook 单元的项目，按相应方式操作，不直接粘贴进 shell；脚本只包含当前系统可执行的命令。
- 仅在当前路线需要、对应材料已获准保存、工具已安装时运行该项；需要登录、付费或尚未开放的材料记为“需要我操作/未验证”，不能伪报通过。不执行会调用付费 API、提交作业或修改云服务的检查。
- 运行一次，把结果给我看；未通过的项目说明原因和修复办法。
5. 学习计划
- README.md：课程入口、课节清单（带链接）、每次学习怎么开始（使用“每课提示词”）。
- progress.md：每课三项勾选——读讲义、做练习、记笔记。
6. 最后分三部分汇报：已完成、需要我自己操作的、尚未验证的。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
如果你不能直接操作我的文件系统，请在确认目录后给出适用于我的系统、可直接执行的命令和需要保存的文件内容。
```

### 每课提示词

```text
继续学习「Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide」。课程目录是 sagemaker-mtrl-wordle/（不知道完整路径就先问我）。
1. 读 progress.md，找到下一课；如果我指定了第几课，就准备那一课。
2. 打开这一课的官方页面和本地讲义，列出本课练习要用的工具、文件和样例数据。缺少的先告诉我，等我同意再安装或下载。
3. 在 lessons/ 对应的课节文件夹里准备好练习：exercises/ 里给每道题建一个文件，写上题号和题目原文链接，不写答案；已有文件保留，样例数据放到 data/。拿不到官方题目或起始代码时记录限制，不编造替代品。
4. 按 README 运行开课时生成的自检脚本或在线检查清单，并检查本课新增工具能否正常使用。
5. 告诉我：本课先读哪几节、从哪道练习开始、大约需要多久。我学完后，帮我在 progress.md 勾选并把问题整理到 questions.md。

边界：
- 需要管理员权限、会产生费用或需要填写密钥的操作，先告诉我原因，等我同意。密钥由我在本机配置，不发到聊天，不写进笔记或版本库；原项目需要 .env 时确认已被 Git 忽略。
- 不替我写练习或作业答案，也不替我提交。我卡住时只给提示；我明确要求时才给解答。
- 只下载许可允许个人保存的材料；其余只放链接。不把未运行的命令说成成功。
```

### 课节（官方顺序）

1. [Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide](<https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/>)

## 指南参考

- [课程主页](<https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/>)

## 来源、许可与验证记录

- **开课提示词未完整验证，需要自备账号或资源**：AWS 账号，需可开通 Amazon SageMaker AI、Amazon Bedrock AgentCore、AWS Lambda、MLflow 等相关服务；SageMaker 训练与推理资源按量计费，练习会产生费用；AWS 服务配额（网页提到可按需申请提高配额）
- 转载与修改 · 课程页面与材料：未找到明确许可。网页及节选未写明本文或示例仓库的具体许可协议 [依据](<https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/>)
- 链接检查：1/1 个可以访问

## 来源与推荐

- 编辑整理收录

---
来源：LearnMap · 学径（https://oplearnx.com）