2026. október 3., szombat · Eszközök

Az AWS bemutatta a SageMaker AI többfordulós megerősítéses tanulását kereső ügynökökhöz

Az Amazon AWS hivatalos blogbejegyzésben mutatta be, hogyan finomhangolhatók kereső ügynökök (search agent) többfordulós megerősítéses tanulással (MTRL) a SageMaker AI platformon. A cég állítása szerint a hagyományos felügyelt finomhangolás drága szakértői demonstrációkat igényel, az egylépéses megerősítéses tanulás pedig figyelmen kívül hagyja a több lépésben egymásra épülő döntések közötti összefüggéseket. Az AWS szerint az MTRL ezzel szemben a teljes döntési sorozatot optimalizálja, és a végeredmény minősége alapján ad visszajelzést, így egy kisebb, specializált modell is elérheti egy frontier modell megbízhatóságát, miközben gyorsabb és olcsóbb marad a futtatása. A bejegyzés a módszer működését és a visszakeresési minőségben mért eredményeket ismerteti, konkrét számszerű teljesítményadatok nélkül.

Miért fontos?

Az AWS saját platformjába (SageMaker AI) épített MTRL-eszközzel a vállalatok kisebb, olcsóbb modelleket taníthatnak be vállalati keresőrendszereikhez ahelyett, hogy drága frontier modelleket futtatnának minden lekérdezésre.

Források

AWS Machine Learning Hivatalos

Kapcsolódó témák

Napi összefoglalók AI eszközök #Amazon SageMaker AI#megerősítéses tanulás

Napi összefoglaló

Ez a hír a 2026. október 3., szombat napi AI összefoglaló része.

Kapcsolódó hírek

Amazon Nova Forge: egyéni jutalomfüggvények többlépéses RL-hez

Az AWS hivatalos blogbejegyzése szerint az Amazon Nova Forge platformon a megerősítéses finomhangolás (RFT) középpontjában az egyéni jutalomfüggvény áll, amely eldönti, mit tanul meg a modell többlépéses, ágensszerű feladatokban, például eszközhasználat vagy hibajavítás közben. A cikk bemutatja, hogyan futtatható a jutalomlogika saját környezetben (Bring Your Own Orchestration), miközben a Nova Forge kezeli a lépések közti üzenetváltást és állapotot; emellett elérhetővé vált egy szerver nélküli, több lépésre optimalizált RL opció is. A vállalat kiemeli, hogy egy rosszul megtervezett jutalom úgy taníthat téves viselkedést, hogy a tanulási görbék közben egészségesnek tűnnek, és egy valós esetet is bemutatnak, ahol a legnagyobb súlyú jutalomkomponens semmilyen tanulási jelet nem adott.

OpenAI DevDay: új fejlesztői eszközök – Agents API, Codex felhőben, Decisions API

A szeptember végi DevDay-en bemutatott Dots ügynök és GPT-6.1 Sol modell után az OpenAI most a fejlesztői platform részleteit ismertette. Az Agents API mostantól támogatja a „computer use” funkciót, vagyis grafikus felületeken keresztül is irányíthat szoftvereket, emellett a Codexből átvett multi-agent képességeket, eszközkeresést és kontextus-tömörítést is kapott. A GPT-6.1 Sol a vállalat állítása szerint több mérésen megközelíti a GPT-6 Astra teljesítményét, miközben az input- és outputár egyötöde az Astráénak, a gyorsítótárazott input ára pedig 0,10 dollár millió tokenenként. A Codex felhőben is futtatható, hangalapú bevitelt és új kódellenőrző munkafolyamatot kapott, a Decisions API pedig a kisebb Luna modellel segít döntéseket automatizálni, szűk körű előzetes tesztelés keretében. A ChatGPT bővülő plugin-rendszere oldalsávokat, egyedi fájlnézeteket és a tervezett MCP Events specifikáció szerinti eseményvezérelt automatizálást is lehetővé tesz.

OpenAI bemutatta a Dots nevű AI-ügynök platformot

Az OpenAI a héten jelentette be új AI-ügynök platformját, a Dots-ot, amely blobszerű, elnevezhető avatarokkal dolgozik, és egy virtuális géppel fér hozzá olyan alkalmazásokhoz, mint a Blender vagy a GIMP. A felhasználó egyelőre csak egy Dot-ot kaphat, de a cég ígérete szerint a jövőben több is indítható lesz. A The Verge tesztje szerint a Dot sikeresen megtalált egy 100 dolláros promóciós kedvezményt egy törölt e-mailben egy internetszolgáltatónál történő időpontfoglaláshoz, de elakadt egy emberi ellenőrzésnél, egy hosszan tartandó egérgombnyomásnál, amit a tesztelőnek kellett manuálisan elvégeznie. Az OpenAI a Dots funkciót elsőként a legmagasabb szintű, havi 100 dolláros Pro-előfizetőknek teszi elérhetővé, szemben a Meta ingyenes Muse és Instinct nevű ügynökeivel.

DigitalOcean nyilvános előnézetben indította az AI-ügynökök felhőinfrastruktúráját

A DigitalOcean nyilvános előnézetben elindította a Managed Agents szolgáltatást, amely a vállalat állítása szerint kész felhőinfrastruktúrát ad AI-ügynökökhöz izolált microVM-futtatókörnyezetekkel, szabályozott eszközhozzáféréssel és szerver nélküli AI-következtetéssel. A rendszer két elemből áll: a Harness Runtime perzisztens, biztonságosan elkülönített futtatókörnyezetet biztosít olyan kódoló ügynököknek, mint a Claude Code, a Codex CLI vagy az OpenCode, valamint általános célú és LangGraph-alapú egyedi ügynököknek, miközben a munkameneteket szüneteltetni, folytatni vagy elágaztatni lehet, és tétlenség esetén automatikusan szünetelnek. Az Action Gateway a DigitalOcean szerint egységes MCP-végponton keresztül jelenleg több mint 16 000 külső eszközhöz ad hozzáférést, köztük webes kereséshez és böngészőfunkciókhoz. A cég célja, hogy a fejlesztőknek ne kelljen saját maguknak megépíteniük a kontextusmegőrzéshez, párhuzamos futtatáshoz és biztonságos eszközhozzáféréshez szükséges háttérrendszereket.