2月22日，谷歌在官网宣布，开源大语言模型Gemma。
Gemma与谷歌最新发布的Gemini使用了同一架构，有20亿、70亿两种参数，每种参数都有预训练和指令调优两个版本。
根据谷歌公布的测试显示，在MMLU、BBH、GSM8K等主流测试平台中，其70亿模型在数学、推理、代码的能力超过Llama-2的70亿和130亿，成为最强小参数的类ChatGPT模型。
目前，Gemma可以商用，并且普通笔记本、台式机就能跑，无需耗费巨大的AI算力矩阵。
Kaggle地址：https://www.kaggle.com/models/google/gemma/code/
huggingface地址：https://huggingface.co/models?search=google/gemma
技术报告：https://goo.gle/GemmaReport
谷歌作为贡献出Transformers、TensorFlow、BERT、T5、JAX、AlphaFold等一系列改变世界AI发展的宗师级大师，在生成式AI领域却一直落后于OpenAI。
不仅如此，开源领域还打不过类ChatGPT开源鼻祖Meta的Llama系列。痛定思痛之后，谷歌决定重新加入开源阵营，以抢夺开发者和用户。
Gemma简单介绍
谷歌表示，Gemma之所以性能如此强悍，主要是使用了与Gemini相同的技术架构。
更详细的开发者指南：https://服务器托管网ai.google.dev/gemma/docs?utm_source=agd&utm_medium=referral&utm_campaign=quickstart-docu
Gemini的基础架构建立在Transformer编码器结构之上，通过多层自注意力和前馈神经网络来建模序列依赖性。不同的是Gemini采用了多查询注意力机制，可处理超复杂长文本。
具体来说,模型首先将输入序列的每个位置编码成多组查询向量。然后,将这些查询向量并行地与键值对进行批量注意力运算,得到多个注意力结果。
除了开源模型权重，谷歌还推出Responsible Generative AI Toolkit等一系列工具，为使用Gemma提供更安全的AI应用程序提供指导。
目前，Gemma开放了两个版本：预训练，该版本未针对 Gemma 核心数据训练集以外的任何特定任务或指令进行训练；指令微调，通过人类语言互动进行训练，可以响应对话输入，类似ChatGPT聊天机器人。
跨框架、工具和硬件，对Gemma进行优化
开发者可以根据自己的数据微调 Gemma 模型，以适应特定的应服务器托管网用程序需求，例如，生成摘要/文本或检索增强生成 (RAG)等。Gemma 支持以下多种工具和系统：
多框架工具：可跨多框架 Keras 3.0、本机 PyTorch、JAX 和 Hugging Face Transformers 进行推理和微调。
跨设备兼容性：Gemma可以跨多种设备类型运行，包括笔记本电脑、台式机、物联网、移动设备和云，从而实现广泛的 AI 功能。
高级硬件平台：谷歌与NVIDIA合作，针对 NVIDIA GPU 优化 Gemma模型，从数据中心到云端再到本地RTX AI PC，提供行业领先的性能并与尖端AI技术集成。
针对 Google Cloud 进行了优化：Vertex AI 提供广泛的 MLOps 工具集，具有一系列调整选项，并可使用内置推理优化功能进行一键式部署。
高级定制功能可通过完全管理的顶点人工智能工具或自我管理的GKE 实现，包括部署到 GPU、TPU 和 CPU 平台上具有成本效益的基础设施。
Gemma性能测试
谷歌在MMLU、BBH、GSM8K等主流测试平台中，用Gemma 70亿模型与Llama-2、Mistral在数学、推理、代码等方面进行了深度测试。
Gemma的标准学术基准测试平均分数都高于同规模的Llama 2和Mistral模型。甚至在一些关键能力方面，高于Llama-2 130亿参数模型。
也就是说，Gemma是一款参数很小，性能却异常强悍的大模型。
本文素材来源谷歌官网，如有侵权请联系删除
服务器托管，北京服务器托管，服务器租用 http://www.fwqtg.net
要使音频类应用程序的广告变现收益最大化，可以采取以下策略： admaoyan猫眼聚合 精准定位受众：了解你的用户群体，包括他们的兴趣、偏好和行为，以便向他们展示相关性更高的广告。使用用户数据分析工具，如Google Analytics或Firebase Ana…
