在 Amazon SageMaker HyperPod 上用 SkyRL 加速多模态强化学习训练

AWS 在 SageMaker HyperPod 上演示了如何用开源强化学习框架 SkyRL 训练 Qwen3-VL-8B 视觉语言模型。通过 GRPO 算法，模型在 64 个迷宫测试集上的解决率从 43.75% 提升至 95% 以上。该方案利用 HyperPod 的集群弹性、Ray 集成和 Amazon Managed Grafana 监控，支持多节点长时间训练。