Pereiti prie turinio
2026 m. lapkričio 20 d., penktadienis
Tenesys AI News
Prenumerata

Gemma 4 E2B

Pakeitimų istorija

  1. 2026-11-19
    Daugiapakopių AI agentų optimizavimas naudojant „Tunix“ ir „Gemma 4“ pastiprinamąjį mokymą
    ParametrasBuvoDabar
    Laimėjimo rodiklis (Plane Strike žaidimas)9,4 %95 %
    Vidutinė žaidimo trukmė22,44 ėjimo~16 ėjimų
    Neteisingų veiksmų dažnisNenurodyta~0 %

Naujienos

Modeliai· Svarbu· 🧪 Verta testuoti

Daugiapakopių AI agentų optimizavimas naudojant „Tunix“ ir „Gemma 4“ pastiprinamąjį mokymą

„Google“ išplėtė „Tunix“ karkasą, įgalindama efektyvų daugiapakopį pastiprinamąjį mokymą (RL) „Cloud TPU v6e-8“. Taikydami agentinį „Group Relative Policy Optimization“ (GRPO) „Gemma 4“ modeliui, kūrėjai dabar gali apmokyti modelius, puikiai atliekančius erdvinį argumentavimą ir iteracinį įrankių naudojimą.

Google Developers
Gemma 4 E2B · TENESYS AI NEWS