跳至正文
熱點事件觀察中

Google 教學示範在 TPU 上以 Tunix 訓練 Gemma 4 工具使用代理

1 篇報導1 個報導來源1 天前更新

先了解這件事

AI 綜述

Google 發布了一份教學,示範如何在單一 Cloud TPU v6e-8 主機上,以 Tunix 的代理式強化學習流程訓練一個多輪、會使用工具的 LLM 代理。策略模型是處於思考模式的 Gemma 4 E2B,取代了先前 TensorFlow/JAX 強化學習部落格中 Plane Strike 桌遊範例所用的自訂 MLP 策略。 完整程式碼位於 planestrike-gemma4-rl GitHub 儲存庫,Google 並引導讀者參閱 Tunix 文件,以 Tunix 與 Google TPU 訓練自己的代理模型。這份教學描述的是一套設定,並非回報的訓練結果。

AI 依報導生成 · 更新

報導時間線

沿著報導,了解事件的不同側面。

11月19日
  1. Google Developers Blog
    Google 用 Tunix 在 TPU 上訓練 Gemma 4 多輪工具呼叫智慧體

    Google 發布教學,介紹如何用 Tunix 的 agentic RL 流程在單台 Cloud TPU v6e-8 上訓練多輪工具呼叫智慧體,並以 Gemma 4 E2B 的 thinking 模式作為策略模型。

本事件熱度走勢

還沒有足夠的連續觀測資料,暫不繪製趨勢。