深链DEEPCHAIN · TRENDS采集中 · 下一批 05:51:41EN

AI  /  动态  /  Google 开发者

Gemma 4 打格子游戏:Tunix 强化学习把胜率冲到 95%

研究Google 开发者 官方·中文整理 11-19·约 610 字,读完 2 分钟

一句话

Google 用 Tunix 给 Gemma 4 做多轮强化学习训练,在一个格子游戏里把胜率从 9.4% 提到 95%。

要点

  1. 怎么训练

    模型在游戏里连续多轮思考,调用 strike 工具打格子,根据反馈调整策略,整个训练只用一台 TPU v6e-8。

  2. 效果

    训练 100 步后,胜率从 9.4% 升到 95%,平均打击次数从 22.44 次降到约 16 次。

  3. 实现方式

    Google 把环境、工具解析、对话智能体和 GRPO 训练器拆成四个模块,训练跑在同一台 TPU 上。

登录看全文「原文讲了什么」和「我们的看法」登录后可看,免费。原文链接也在里面。
觉得有用?