How the community trained Gemma to "Think" with Tunix and TPUs
Google Developers Blog1240 字 (约 5 分钟)
92
社区通过 Tunix 和 TPU 成功训练 Gemma 模型生成推理能力，提供可复现的训练方法。
入选理由：G-RaR 方法结合 SFT 和 GRPO，使用 Gemma-3-12B 作为评估模型，显著提升推理能力。
精选文章#Gemma#Tunix#TPU#LLM#推理训练中文
模型
Pinocchio-1B
通过三阶段训练实现推理能力的 1B 参数模型。
相关材料
已收录 1 条与 Pinocchio-1B 相关的内容，按评分排序。