Google 开发者博客 11 月 19 日发布一次多轮智能体训练演示。研究者在 Cloud TPU 上用 Tunix 训练 Gemma 4 E2B,让模型根据格点游戏中的反馈逐回合选择动作。
演示将环境、工具调用和完整回合的结果纳入同一强化学习训练流程。在作者保留的游戏关卡上,模型胜率由 9.4% 升至 95%,期望完成同一任务所用的平均回合也减少。
这组数据来自一个受控的游戏场景。Google 提供了演示代码,文章说明的是实验流程和结果。
配图为 GETAI.APP 使用 ImageGen 生成的主题插画。
