一次情報で読む、いまのAI
← すべてのニュース
2026.10.24 SAT02:48 JSTAWS

AWS、SageMakerでエージェント強化学習

今日試せる米東・米西リージョンで利用可能

AIが複数回やり取りして課題を解く手順を、最後の成否だけでまとめて鍛える仕組みと費用が示されました。

目線

社内固有の多段階ワークフロー向けに、小型モデルを低コストで自前訓練・特化させる判断に使える。

対象

独自のエージェントを低コストで最適化したい機械学習エンジニア

使える場面

  • 複数ターンの試行錯誤が必要な業務タスクで小型モデルの達成率を引き上げる
  • Bedrock AgentCoreとSageMaker AIを連携させた強化学習ラインを構築する

試すなら

公開されたaws-samplesリポジトリのコードや必要なIAM設定を確認する

確認点

現時点の対応リージョンは米国東部・米国西部等に限られ、トークン量に応じた従量課金が発生する

背景

従来の一問一答形式の微調整とは異なり、多段階で行動するエージェントでは一連の手順全体の成否をもとに訓練する手法が求められていた。

何が変わったか

  • SageMaker AIとBedrock AgentCoreを連携させ、GRPOによりLoRAアダプターを訓練可能
  • GPT-OSS-20B、Amazon Nova 2 Lite、Gemma 4 31B、Qwen 3.6 27Bなどのベースモデルに対応
  • クラスタ管理が不要なサーバーレス構成で、Prefill・Sample・Trainのトークン単位課金を採用

使える場面・影響

高価なフロンティアモデルに頼らず、社内特有の複雑な複数ステップ業務に特化した安価なモデルを自前で育成できるようになる。

試す前に確認

  • 訓練ジョブとS3バケット、AgentCoreを同一リージョンに配置する必要がある
  • 実行環境としてPython 3.10以上やAgentCore CLI、指定バージョン以上のbotocoreが必要

一次ソース