Amazon Web Services (AWS Machine Learning Blog) · Daniel Quang · Hadrien Almela · Vinay Bhat
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide
Multi-Turn Reinforcement Learning on Amazon SageMaker AI: A hands-on guide是Amazon Web Services (AWS Machine Learning Blog)的免费实践教程（en）。前置条件：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。
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。
- 难度
- 见前置条件
- 类型
- 博客与教程 · 实践教程
- 语言
- en
- 规模
- 1 个课节
- 内容费用
- 免费
- 动手
- 需要动手环境
使用限制
阅读教程无需账号；动手实践需要 AWS 账号及相应服务权限。
- 练习与作业
- 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）
学完你能
- 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
适合你吗
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。
暂不适合
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。
需要先会
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。
课程特点
- 内容侧重
- 按内容目录判断
- 练习与项目
- 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。
- 学习时长
- 1 个课节原站未给出统一学习时长；实际用时取决于已有基础。
- 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。
内容覆盖
- Solution overview：SageMaker AI 训练作业与 AgentCore 托管 Agent 的分工与连接
- MTRL 工作流简介（节选提及将依次介绍部署、数据准备、训练、监控与评估）
- 更多小节（部署到 AgentCore、准备数据集、训练、MLflow 监控、评估、奖励设计问题等）标题见原文，节选未提供正文
常见问题
免费吗？
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。
需要什么基础？
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。
有中文吗？
本站记录的语言是en；是否有中文字幕或译本本站未核实，请以原站为准。
怎么开始？
从原始资源入口开始：https://aws.amazon.com/blogs/machine-learning/multi-turn-reinforcement-learning-on-amazon-sagemaker-ai-a-hands-on-guide/。本页“学前准备”列出环境与工具，“学习指南”给出开课提示词，可以在自己的电脑上按步骤开始。开课提示词尚未完整验证。练习与作业需要自备：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）。
来源与使用须知
- 收录时间
- 本站首次收录 2026-10-24
- 指南参考
- 课程主页
版权与转载
- 课程材料未标明许可：仅供个人学习，转载、修改或商用前请先联系原作者。
- 本站只提供原始链接和学习指南，不转载、不镜像课程材料；引用时请注明原作者与出处。