MaxText 新增单主机 TPU（v5p-8/v6e-8）上的 Supervised Fine-Tuning（SFT）和 Reinforcement Learning（RL）支持，利用 JAX 和 Tunix 库实现高效后训练。SFT 支持原生 Hugging Face 数据集格式，可直接加载 MaxText 或转换 Hugging Face checkpoint（如 Gemma 3）。RL 支持 GRPO（无需独立 value function，适合单 TPU）和 GSPO（序列级优势，训练更稳定，提升 GSM8K）。通过 vLLM 实现训练循环中高吞吐量推理，一条命令即可启动训练。
基础设施
4.0 · 优秀
MaxText Expands Post-Training Capabilities: Introducing SFT and RL on Single-Host TPUs
MaxText 新增单主机 TPU（v5p-8/v6e-8）上的 Supervised Fine-Tuning（SFT）和 Reinforcement Learning（RL）支持，利用 JAX 和 Tunix 库实现高效后训练。SFT 支持原生 Hugging Face 数据集格式，可直接加载 MaxText 或转换 Hugging Face checkpoint（如 Gemma 3）。RL 支持 GRPO（无需独立 value function，适合单 TPU）和 GSPO（序列级优势，训练更稳定，提升 GSM8K）。通过 vLLM 实现训练循环中高吞吐量推理，一条命令即可启动训练。