Gemma のオープンモデル
Gemini モデルの作成に使用されたのと同じ研究とテクノロジーを基に構築された、軽量で最先端のオープンモデルのファミリーです。
設計における責任
これらのモデルには包括的な安全対策が組み込まれており、厳選されたデータセットと厳密なチューニングを通じて、責任ある信頼できる AI ソリューションを確保できます。
規模において比類のないパフォーマンス
Gemma モデルは、2B と 7B のサイズで優れたベンチマーク結果を達成し、一部の大規模なオープンモデルよりも優れています。
フレームワーク フレキシブル
Keras 3.0 を使用すると、JAX、TensorFlow、PyTorch とシームレスに互換性があるため、タスクに応じてフレームワークを簡単に選択して切り替えられます。
あらゆる規模のタスクに対応する Gemma モデル
デベロッパー向けクイック スタートガイド
パートナー様向けクイック スタートガイド
ベンチマーク
Gemma は、Llama 2 や Mistral 7B などの人気モデルと比較して、サイズ面で最先端のパフォーマンスを実現します。
5 ショット、トップ 1
MMLU
MMLU ベンチマークは、事前トレーニング中に大規模言語モデルが習得した知識の幅と問題解決能力を測定するテストです。
ゼロショット
HellaSwag
HellaSwag ベンチマークは、ストーリーの最も論理的なエンディングを選択することで、言語モデルが常識的な推論を理解し、適用する能力に挑戦します。
ゼロショット
PIQA
PIQA ベンチマークでは、言語モデルの能力をテストします。このテストでは、日常的な身体的インタラクションに関する質問に答えることで、身体的な常識的な知識を理解し、応用する能力を評価します。
ゼロショット
SIQA
SIQA ベンチマークでは、人々の行動とその社会的影響について質問することで、言語モデルの社会的交流と社会的常識に関する理解度を評価します。
ゼロショット
ブールク
BoolQ ベンチマークでは、自然に発生する(プロンプトや制約のない設定で生成された)はい/いいえの質問に対して、言語モデルが回答する能力をテストし、モデルが現実世界の自然言語推論タスクを行う能力をテストします。
部分的スコアリング
ウィノグランデ
Winogrande ベンチマークでは、一般化された常識的な推論を必要とするバイナリ オプションを使用して、あいまいな穴埋めタスクを解決する言語モデルの能力をテストします。
7 枚
CQA
CQA ベンチマークでは、多肢選択式の質問応答における言語モデルの性能を評価します。これには、さまざまな常識的な知識が必要です。
OBQA
OBQA ベンチマークでは、オープンブック試験をモデルにした、言語モデルの多段階推論、常識的な知識、リッチテキストの理解度に基づく高度な質問応答能力を評価します。
ARC-e
ARC-e ベンチマークでは、小学校レベルの多肢選択式の科学問題を用いて、言語モデルの高度な質問応答スキルをテストします。
ARC-C
ARC-c ベンチマークは、ARC-e データセットのより焦点を絞ったサブセットで、一般的な(検索ベースと単語の共起)アルゴリズムで正しく回答されない質問のみが含まれています。
5 枚
TriviaQA
TriviaQA ベンチマークでは、質問、回答、裏付けとなる 3 つの質問で読解力をテストします。
pass@1
HumanEval
HumanEval ベンチマークは、言語モデルのコード生成能力をテストするために、そのソリューションがプログラミング問題の機能単体テストに合格しているかどうかを評価します。
3 ショット
MBPP
MBPP ベンチマークでは、基本的なプログラミングの概念と標準ライブラリの使用方法に焦点を当て、基本的な Python プログラミングの問題を解決する言語モデルの能力をテストします。
maj@1
GSM8K
GSM8K ベンチマークでは、複数の推論ステップが必要になることが多い小学校レベルの数学の問題を解決する言語モデルの能力をテストします。
4 ショット
MATH
MATH ベンチマークでは、推論、複数ステップの問題解決、数学的概念の理解を必要とする、複雑な数学の文章問題を解く言語モデルの能力を評価します。
AGIEval
AGIEval ベンチマークは、人間の知的能力を評価するように設計された実際の試験(大学入学試験、法科試験など)から派生した問題を使用して、言語モデルの一般的な知能をテストします。
BBH
BBH(BIG-Bench Hard)ベンチマークは、現在の言語モデルの能力を超えると考えられるタスクに焦点を当て、さまざまな推論と理解の分野で限界をテストします。
100%
75%
50%
25%
0%
100%
75%
50%
25%
0%
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
Gemma
70 億
Gemma
2b
Mistral
70 億
LLAMA-2
130 億
LLAMA-2
70 億
*他の手法でのパフォーマンスの詳細については、技術レポートをご覧ください
Gemma に今すぐアクセス
Gemma モデルは、お気に入りのすべてのモデルハブで利用できます。
責任ある AI の開発
責任を重視した設計
慎重にキュレートされたデータで事前にトレーニングされ、安全性を重視してチューニングされているため、Gemma モデルに基づく安全で責任ある AI 開発を支援します。
堅牢で透明性の高い評価
包括的な評価と透明性の高いレポートにより、各ユースケースに対して責任あるアプローチを採用するためのモデルの限界が明らかになります。
責任ある開発を支援
責任ある生成 AI ツールキットは、デベロッパーが責任ある AI のベスト プラクティスを設計して実装できるよう支援します。
Google Cloud 向けに最適化
Google Cloud の Gemma モデルでは、Vertex AI のフルマネージド ツールまたは GKE のセルフマネージド オプションを使用して特定のニーズに合わせてモデルを細かくカスタマイズし、柔軟で費用対効果の高い AI に最適化されたインフラストラクチャにデプロイできます。
Google Cloud クレジットで学術研究を加速
Google Cloud の PaliGemma モデルを使用して研究を前進させることができます。これには研究に関連する TPU および GPU の使用費用に対して合計で最大 50 万ドル分のクレジットが提供されます。この新しい波は、最先端の研究に対する Google のサポートを拡大するものです。今すぐお申し込みいただき、利用可能なクレジットを使用して科学的取り組みの限界を押し上げ、研究コミュニティの発展に貢献してください。
コミュニティに参加
ML モデル コミュニティの他のユーザーとつながり、探求し、知識を共有できます。