如何在 Amazon SageMaker HyperPod 上使用 SkyRL 加速多模态强化学习训练

Amazon SageMaker HyperPod 可结合开源框架 SkyRL 运行多模态强化学习训练，并提供故障恢复与训练监控能力。教程以 Qwen3-VL-8B 为例，从 VisGym SFT 检查点进行 GRPO 后训练，在固定的 64 个迷宫评测集上将通关率从 43.75% 提升至超过 95%。