ข้ามไปที่เนื้อหา
เหตุการณ์ร้อนแรงจับตาดู

Google Tutorial ฝึก Agent ที่ใช้เครื่องมือของ Gemma 4 ด้วย Tunix บน TPU

1 รายงาน1 แหล่งข่าวที่รายงานอัปเดต 1 วันที่แล้ว

เริ่มตรงนี้

ไดเจสต์ AI

Google ได้เผยแพร่บทแนะนำที่แสดงวิธีฝึก LLM agent แบบหลายรอบที่ใช้เครื่องมือ ด้วยไปป์ไลน์การเรียนรู้แบบเสริมกำลังเชิงเอเจนต์ของ Tunix บนโฮสต์ Cloud TPU v6e-8 เพียงเครื่องเดียว โดยโมเดลนโยบายคือ Gemma 4 E2B ในโหมด thinking ซึ่งมาแทนที่โมเดลนโยบาย MLP แบบกำหนดเองที่ใช้ในตัวอย่างเกมกระดาน Plane Strike จากบล็อกการเรียนรู้แบบเสริมกำลังด้วย TensorFlow/JAX ก่อนหน้านี้ โค้ดฉบับสมบูรณ์อยู่ในรีโพ GitHub planestrike-gemma4-rl และ Google ชี้ให้ผู้อ่านไปที่เอกสาร Tunix เพื่อฝึกโมเดลเอเจนต์ของตนเองด้วย Tunix และ Google TPU บทแนะนำนี้อธิบายการตั้งค่า ไม่ใช่ผลการฝึกที่รายงานไว้

สร้างจากรายงาน · อัปเดต

ล่าสุด19 พฤศจิกายน 00:00
Google ใช้ Tunix ฝึก Gemma 4 multi-turn tool-calling agent บน TPU

ไทม์ไลน์รายงาน

ไล่ตามรายงานเพื่อดูเหตุการณ์นี้จากหลายด้าน

19 พฤศจิกายน
  1. Google Developers Blog
    Google ใช้ Tunix ฝึก Gemma 4 multi-turn tool-calling agent บน TPU

    Google เผยแพร่บทแนะนำวิธีใช้กระบวนการ agentic RL ของ Tunix ฝึก multi-turn tool-calling agent บน Cloud TPU v6e-8 เครื่องเดียว โดยใช้โหมด thinking ของ Gemma 4 E2B เป็น policy model

ความร้อนแรงของเหตุการณ์นี้

ยังมีการเฝ้าดูต่อเนื่องไม่พอจะวาดแนวโน้ม