Google Cloud 预览 Gemini 强化微调:自定义奖励函数调优
rseroter · x · 2026-09-21
Google Cloud 预览了针对 Gemini 模型的强化学习微调（reinforcement fine-tuning）能力，现已开放文档。
- 机制：用户用自己的 prompt 和自定义奖励函数进行微调。模型对一组 prompt 生成多个回答，奖励函数对输出质量打分，服务通过强化学习算法迭代更新模型参数，使高奖励行为更可能出现。
- 适用范围：覆盖文本、音频、图像、视频四种模态。
- 适用场景：需要多步推理、复杂决策或理解细微语义的任务，可用于提升 Gemini 在自有用例和 agent 工作流中的推理能力与输出质量。
「编程与Agent」频道最新
- 两人小公司用 46 个 AI Agent 运营：审批门禁、哈希锁文件与翻车复盘 — dkovl · 2026-11-12
- LlamaIndex 让 AI Agent 渗透测试自家 LlamaParse，四天暴露四条经验 — llama_index · 2026-11-12
- Manhattan 字体 v0.0.1：每个字母都是一个 Python 函数 — allanyu_ · 2026-11-12
- 用 Backplane「提示词造出」任意扩展卡,网友呼吁扩展口回归标配 — _Stocko_ · 2026-11-12
- Agent 会话跑了 51 分钟烧 24.8 万 token,网友直呼还在干活 — _Stocko_ · 2026-11-12
- 可视化 AI Agent 团队协作：每个 Agent 一间「房间」，共享知识库 — LiorAloni11 · 2026-11-12