Google Cloudは強化学習を用いたGeminiの管理型ファインチューニングサービスを提供すると発表した。ユーザーは問合せの例と報酬機能を設定し、サービスがモデルの設定を実行する。

このアプローチは、事前に用意されたラベル付き回答のセットではなく、ユーザーが定義する報酬信号に基づいてGeminiを学習させることを可能にする見込みだ。Google Cloudはこの形式を、外部クライアントが内部のプロプライエタリモデルの要素へアクセスする際の制約と結びつけて説明している。

実際の価値は、サービスが大規模な計算資源を自分で管理することなく、強化学習の適用をどれだけ容易にするかに依存する。利用可能な資料はGoogle Cloud AI Blogの要約であり、独立した検証や公開全文ではない。