如何在 Amazon SageMaker AI 上用多轮 RL 微调 Qwen3.6-27B 搜索智能体

Amazon SageMaker AI 通过多轮强化学习（MTRL）微调 Qwen3.6-27B 搜索智能体，环境提供 BM25 与向量检索工具。MTRL 以 serverless 按 token 计费，支持 PPO、CISPO 等算法，训练数据来自 FRAMES、BRIGHT 与 Enterprise RAG。