Google Cloud（米国カリフォルニア州）は、AIモデル『Gemini』の適応力を高める「強化学習ファインチューニング（RLFT）サービス」の提供を開始した。ユーザーが定義した報酬シグナルに基づいてモデルを学習させる仕組みであり、従来のラベル付きデータを用意する方式では対応が難しかった複雑なタスクの精度向上を図る狙いとされる。

本サービスでは、プロンプトとスコア判定用の報酬関数を用意するだけで、インフラ管理やモデル内部の制御を行わずに強化学習を実行可能だ。ゲーム内NPCの自然な対話生成や請求書からの構造化データ抽出、実環境でのコード実行検証など、多様な領域での成果が確認されている模様である。

教師あり微調整（SFT）との組み合わせ運用も可能であり、ベースモデルの出力精度に応じて柔軟に調整を行える点が特徴とされる。同社は報酬関数の評価基準やハッキング対策に関するベストプラクティスを提示し、エンタープライズ領域における高品質なAI運用の定着を強力に後押ししていく構想と報じられている。