4个新的Eagle模型和2个Finch模型发布，这次更新的RWKV包含6个模型，分别含有参数大小不同的4个Eagle模型和2个Finch模型。其中，Eagle通过多头矩阵值状态改进了从RWKV-4中学习到的架构和学习衰减进度，而Finch通过引入新的数据相关函数改进了架构的表现能力和灵活性。此外，引入的两个新数据集RWKV World Tokenizer和RWKV World v2也有助于提高RWKV的性能。

在本次更新的RWKV（Rooted Weighted Keras）算法中，我们新增了4个Eagle模型和2个Finch模型。Eagle模型通过对多头矩阵值状态进行改进，提高了从RWKV-4中学习到的架构和学习衰减进度。而在Finch模型的加入下，其表现能力和灵活性也得到了显著提升。

为了进一步优化和增强RWKV算法的效果，我们在引入新的数据集RWKV World Tokenizer和RWKV World v2的同时，进行了详细的测试和评估。这些新的数据集不仅可以提供更丰富的信息，也能帮助我们更好地理解和优化算法，从而提高其性能。

总的来说，本次更新的RWKV算法不仅在结构上有所优化，而且在学习能力、表现力和灵活性方面都有所提升。这对于任何需要处理大量数据的场景都是非常重要的。我们相信，随着更多高质量的数据加入和更多的用户反馈，RWKV算法将会更加成熟和完善，为我们带来更好的使用体验。