AI 热点

热点事件

Gemma 4 E2B经智能体GRPO训练后胜率达到95%

1 篇正式报道1 条事件动态更新于 11月19日 08:00

先了解这件事

AI 综述

Google在教程中展示了用Tunix智能体强化学习流程训练采用Gemma 4 E2B的多轮工具调用智能体。在单台Cloud TPU v6e-8上完成100步智能体GRPO训练后,该智能体在Plane Strike留出棋盘上的游戏胜率由9.4%升至95%,平均每局出击次数由22.44次降至约16次。教程同时介绍了任务环境、Gemma 4原生工具调用、对话智能体及异步vllm-tpu训练流程,并提供完整GitHub代码。目前没有其他有证据的发展。

AI 根据公开报道生成

最新进展 · 正式报道

Google 教程:用 Tunix、Gemma 4 和 TPU 训练多轮工具调用智能体

事件进展

1 个已确认进展

  1. Gemma 4 E2B经智能体GRPO训练后胜率达到95%

    来源:Google Developers Blog

报道与讨论时间线

按时间查看正式报道与传播讨论;两类内容的证据等级保持独立。

11月19日

  1. Google Developers Blog一手

    Google 教程:用 Tunix、Gemma 4 和 TPU 训练多轮工具调用智能体

    Google 展示了如何在单台 Cloud TPU v6e-8 上,用 Tunix 的智能体强化学习流程训练采用 Gemma 4 E2B 的多轮工具调用智能体。经过 100 步 agentic GRPO 训练,Plane Strike 留出棋盘胜率从 9.4% 升至 95%,平均每局出击次数从 22.44 次降至约 16 次。文章拆解了任务环境、Gemma 4 原生工具调用、对话智能体及异步 vllm-tpu 训练流程,并提供完整 GitHub 代码。

关联事件

  1. 相关事件Anthropic发布Claude Opus 5.5
  2. 相关事件Google发布Gemini 3.8 Live音频模型
  3. 相关事件Google DeepMind发布Gemini 3.7 Flash
  4. 相关事件Gemini 4 Neon开始逐步上线