DataGemma یک ابزار تحقیقاتی است که به کاربران امکان می دهد سوالات خود را به زبان ساده بپرسند و بر اساس داده های آماری در دسترس عموم در مخزن Data Commons پاسخ دریافت کنند. این ابزار از نسخه‌های ساخته شده ویژه Gemma ، Gemini API با Gemini 1.5 Pro و مجموعه‌ای از کتابخانه‌هایی که به‌طور خاص برای کار با Data Commons طراحی شده‌اند، استفاده می‌کند.

این ابزار تحقیق دو تکنیک مجزا را برای پاسخ به سوالات بر اساس داده های آماری داده مشترک ارائه می دهد:

• Retrieval-Interleaved Generation (RIG) - این رویکرد از گونه‌ای از Gemma 2 استفاده می‌کند که به‌خوبی تنظیم شده است تا تشخیص دهد که چه زمانی باید یک عدد تولید شده را با اطلاعات دقیق‌تر از Data Commons جایگزین کند. برای جزئیات بیشتر، نوت بوک و مدل های Colab در Kaggle یا Hugging Face را ببینید.
• Retrieval-Augmented Generation (RAG) - این رویکرد از گونه‌ای از Gemma 2 استفاده می‌کند که اطلاعات مربوطه را از Data Commons بازیابی می‌کند و سپس از آن اطلاعات برای ایجاد یک درخواست توسعه‌یافته برای مدل Gemini 1.5 Pro استفاده می‌کند. برای جزئیات بیشتر، نوت بوک و مدل های Colab در Kaggle یا Hugging Face را ببینید.

برای تحقیقات بیشتر و جزئیات فنی در مورد DataGemma، مقاله فنی DataGemma را ببینید.

DataGemma یک ابزار تحقیقاتی است که به کاربران امکان می دهد سوالات خود را به زبان ساده بپرسند و بر اساس داده های آماری در دسترس عموم در مخزن Data Commons پاسخ دریافت کنند. این ابزار از نسخه‌های ساخته شده ویژه Gemma ، Gemini API با Gemini 1.5 Pro و مجموعه‌ای از کتابخانه‌هایی که به‌طور خاص برای کار با Data Commons طراحی شده‌اند، استفاده می‌کند.

این ابزار تحقیق دو تکنیک مجزا را برای پاسخ به سوالات بر اساس داده های آماری داده مشترک ارائه می دهد:

• Retrieval-Interleaved Generation (RIG) - این رویکرد از گونه‌ای از Gemma 2 استفاده می‌کند که به‌خوبی تنظیم شده است تا تشخیص دهد که چه زمانی باید یک عدد تولید شده را با اطلاعات دقیق‌تر از Data Commons جایگزین کند. برای جزئیات بیشتر، نوت بوک و مدل های Colab در Kaggle یا Hugging Face را ببینید.
• Retrieval-Augmented Generation (RAG) - این رویکرد از گونه‌ای از Gemma 2 استفاده می‌کند که اطلاعات مربوطه را از Data Commons بازیابی می‌کند و سپس از آن اطلاعات برای ایجاد یک درخواست توسعه‌یافته برای مدل Gemini 1.5 Pro استفاده می‌کند. برای جزئیات بیشتر، نوت بوک و مدل های Colab در Kaggle یا Hugging Face را ببینید.

برای تحقیقات بیشتر و جزئیات فنی در مورد DataGemma، مقاله فنی DataGemma را ببینید.