この投稿では、Amazon SageMaker HyperPod 上の Amazon Nova Forge を使用して、マルチターンの RL のための 2 フェーズのインフラストラクチャをデプロイします。最終的に、Amazon Simple Storage Service (Amazon S3) にデータをアップロードするとトレーニングが開始される、イベント駆動型のパイプラインが完成します。トレーニングジョブは、モデルに Wordle をプレイするように教えます。これは、独自の RL タスクのプレースホルダーです。