跳到正文
热点事件持续更新

Gemma 4 E2B智能体RL配方开源

1 篇报道1 个报道来源36 分钟前更新

先了解这件事

AI 综述

Saboo_Shubham公开了一套基于Tunix的Gemma 4 E2B多轮智能体强化学习训练配方:在单块Google TPU上,模型开启thinking模式并通过工具调用玩桌游Plane Strike,采用GRPO训练100步后,工具调用胜率由9.4%提升至95%。 该配方覆盖上述单TPU训练和Plane Strike任务设置,并已完整开源;报道未表明这一胜率结果适用于其他任务或硬件环境。

AI 根据报道生成 · 26 分钟前更新

报道时间线

沿着报道,了解事件的不同侧面。

11月21日
  1. AGI Hunt
    单块 TPU 训练 Gemma 4 E2B,智能体工具调用胜率从 9.4% 提升至 95%

    有人在单块 Google TPU 上对 Gemma 4 E2B 进行多轮智能体强化学习,模型开启 thinking 模式并通过工具调用游玩桌游 Plane Strike。

本事件热度走势

还没有足够的连续观测数据,暂不绘制趋势。