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

Visos naujienos

TENESYS AI NEWS seka svarbiausias AI naujienas ir paaiškina, kas pasikeitė, kodėl tai svarbu ir ar technologiją verta išbandyti.

#GRPO — 1 straipsnis ✕

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
Visos naujienos · TENESYS AI NEWS