Amazon SageMaker AI推出多轮强化学习（MTRL）框架，支持端到端训练智能体完成多步任务
AWS发布Multi-Turn Reinforcement Learning（MTRL）功能，使用户可在SageMaker AI上基于完整任务轨迹与最终结果反馈训练大模型智能体，无需步骤级标注；以Wordle为示例演示全流程，涵盖AgentCore部署、数据准备、GRPO训练、奖励设计及成本分析。
AI NEWS JOURNAL
搜索 AI 资讯
检索标题、摘要与正文，把分散的信息连起来。
Amazon SageMaker推出训练会话API：用户可编写自定义大模型训练循环，无需管理GPU
Amazon SageMaker发布训练会话（Training Sessions）API，支持用户以纯Python脚本实现SFT、RLHF、GRPO、KTO等自定义大模型训练逻辑，GPU资源调度、容错、分布式执行及检查点管理均由服务托管。
NVIDIA在GTC柏林发布本地AI硬件全系产品：RTX Spark、DGX Spark与DGX Station落地欧洲
在2026年10月于柏林举办的GTC大会上，NVIDIA正式推出面向个人、开发者与企业级用户的三款本地AI硬件平台：RTX Spark（Windows PC端个人智能体）、DGX Spark（Linux开发集群）与DGX Station（前沿AI工作站），并同步宣布多项软件更新、模型支持与生态集成。
GPT-OSS-20B多语言推理微调实验：SFT实现零基础行为习得，GRPO仅在存在概率头空间时有效提升
AWS团队在Amazon SageMaker HyperPod上对GPT-OSS-20B开展多语言推理微调实验，采用LoRA参数高效微调；SFT将五语种（英/法/德/西/意）推理语言正确率从22%提升至100%，但答案语言正确率仅达62%；GRPO在此基础上进一步提升答案语言正确率至70%，且未损害推理语言表现，但收益因语言而异（如西班牙语+30个百分点，意大利语-20个百分点）；实验明确指出GRPO无法从零启动新能力，仅能优化已偶发的行为。
Reflection发布开源大模型Beam：501B参数稀疏MoE架构，支持百万上下文与多级推理控制
Reflection公司推出开源大语言模型Beam（501B参数，实际激活23B/Token），采用256专家稀疏MoE架构，支持1M上下文、NVFP4/FP8量化、多级推理努力配置及本地化部署；所有技术声明均未经第三方验证，硬件需求高，社区普遍认为个人用户难以承担。
Async GRPO与LORA一起横跨HF Jobs:一个桶,一个代理,没有NCCL
Async GRPO与LORA一起横跨HF Jobs:一个桶,一个代理,没有NCCL