מודלים פתוחים של Gemma

משפחה של מודלים חד-פעמיים קלילים בעיצוב אומנותי שנוצרו מאותם מחקר וטכנולוגיה ששימשו ליצירת המודלים של Gemini

סמל של אחריות בעיצוב

אחריות מובנית

המודלים האלה, המשלבים אמצעי בטיחות מקיפים, עוזרים להבטיח פתרונות AI אחראיים ואמינים באמצעות מערכי נתונים שנאספו וכוונון קפדני.

סמל של ביצועים לא תואמים

ביצועים לא זהים בגודלה

מודלים של Gemma משיגים תוצאות יוצאות מן הכלל ביחס למתחרים בגדלים 2B, 7B, 9B ו-27B.

מסגרת גמישה

מסגרת גמישה

עם Keras 3.0, נהנים מתאימות חלקה ל-JAX, TensorFlow ו-PyTorch, כך שתוכלו לבחור ולהחליף מסגרות בקלות בהתאם למשימה שלכם.

חדש:
Gemma 2

Gemma 2, שתוכננה מחדש כדי לאפשר ביצועים גדולים ויעילות חסרת תקדים, מבצעת אופטימיזציה להסקת מסקנות מהירה במיוחד בעזרת מגוון חומרה.

5 שוטים

MMLU

בנצ׳מרק של MMLU מודדים את היקף הידע ויכולת פתרון הבעיות שמודלים גדולים של שפה רוכשים במהלך אימון מראש.

25 תמונות

ARC-C

נקודת ההשוואה ARC-c היא קבוצת משנה ממוקדת יותר של מערך הנתונים ARC-e, שמכילה רק שאלות שנענו באופן שגוי על ידי אלגוריתמים נפוצים (בסיס אחזור ומופע מילים).

5 שוטים

GSM8K

במדד GSM8K נבדקת היכולת של מודל שפה לפתור בעיות מתמטיות ברמת בית הספר היסודי, שבדרך כלל דורשות כמה שלבים של חשיבה.

3-5 שוטים

AGIEval

בעזרת מדד AGIEval אפשר לבדוק את האינטליגנציה הכללית של מודל שפה באמצעות שאלות שמבוססות על בחינות בעולם האמיתי שנועדו להעריך את היכולות האינטלקטואליות של בני אדם.

3 שוטים, קוטל

BBH

נקודת ההשוואה BBH (BIG-Bench Hard) מתמקדת במשימות מעבר ליכולת של מודלי השפה הנוכחיים, ובודקת את הגבולות שלהן במגוון תחומים של הסקת מסקנות והבנה.

3 תמונות, F1

להתכופף

DROP הוא נקודת השוואה להבנת הנקרא שדורשת נימוק לא רציף על פני פסקאות.

5-shot

Winogrande

נקודת ההשוואה ב-Winogrande בודקת את היכולת של מודל שפה לפתור משימות לא חד-משמעיות מסוג 'מילוי ריק' באמצעות אופציות בינאריות, שדורשות הסקת מסקנות כללית.

10 שוטים

HellaSwag

בעזרת מדד HellaSwag אפשר לבדוק את היכולת של מודל שפה להבין וליישם את ההיגיון הבריא, על ידי בחירת הסיום הכי לוגי לסיפור.

4 שוטים

מתמטיקה

MATH מעריך את היכולת של מודל שפה לפתור בעיות מילוליות מורכבות מתמטיות, המחייבות הסקת מסקנות, פתרון בעיות מרובה שלבים והבנה של מושגים מתמטיים.

0-shot

ARC-e

בעזרת מדד ARC-e אפשר לבדוק את היכולות המתקדמות של מודל שפה לענות על שאלות באמצעות שאלות אמריקאיות אמיתיות בנושאי מדע ברמת בית הספר היסודי.

אפס בעיטות

PIQA

נקודת ההשוואה של PIQA בודקת את היכולת של מודל שפה להבין וליישם ידע פיזי בריא באמצעות מענה על שאלות לגבי אינטראקציות פיזיות יומיומיות.

אפס בעיטות

SIQA

נקודת ההשוואה של SIQA בודקת את ההבנה של מודל שפה לגבי אינטראקציות חברתיות והיגיון חברתי, באמצעות שאילת שאלות לגבי פעולות של אנשים וההשלכות החברתיות שלהם.

אפס בעיטות

Boolq

נקודת ההשוואה ב-BolQ בודקת את היכולת של מודל שפה לענות על שאלות "כן" ו"לא" באופן טבעי, ובודקת את היכולת של המודלים לבצע משימות של הסקת מסקנות משפה טבעית בעולם האמיתי.

5 שוטים

TriviaQA

בנצ'מרק של TriviaQA ניתן לבדוק את כישורי הבנת הקריאה עם שלשות עדות לשאלה.

5-shot

NQ

נקודת ההשוואה ב-NQ (שאלות טבעיות) בודקת את היכולת של מודל שפה למצוא ולהבין תשובות בתוך מאמרים שלמים בוויקיפדיה, באמצעות הדמיית תרחישים של מענה לשאלות בעולם האמיתי.

pass@1

HumanEval

בעזרת מדד HumanEval אפשר לבדוק את היכולות של מודל שפה ליצירת קוד. לשם כך, המערכת בודקת אם הפתרונות שלו עוברים בדיקות יחידה פונקציונליות לבעיות תכנות.

שלשות

MBPP

במדד MBPP נבדקת היכולת של מודל שפה לפתור בעיות תכנות בסיסיות ב-Python, תוך התמקדות במושגי תכנות בסיסיים ובשימוש בספריות סטנדרטיות.

100%

75%

50%

25%

0%

100%

75%

50%

25%

0%

Gemma 1

2.5 מיליארד

42.3

Gemma 2

2.6 מיליארד

51.3

Mistral

7B

62.5

לאמה 3

66.6

Gemma 1

7 מיליארד

64.4

Gemma 2

9B

71.3

Gemma 2

27 מיליארד

75.2

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

55.4

Mistral

7B

60.5

LLAMA 3

59.2

Gemma 1

7B

61.1

Gemma 2

9 מיליארד

68.4

Gemma 2

27 מיליארד

71.4

Gemma 1

2.5 מיליארד

15.1

Gemma 2

2.6 מיליארד

23.9

Mistral

7B

39.6

לאמה 3

45.7

Gemma 1

7B

51.8

Gemma 2

9B

68.6

Gemma 2

27B

74.0

Gemma 1

2.5 מיליארד

24.2

Gemma 2

2.6 מיליארד

30.6

Mistral

7 מיליארד

44.0

LLAMA 3

8B

45.9

Gemma 1

7 מיליארד

44.9

Gemma 2

9B

52.8

Gemma 2

27B

55.1

Gemma 1

2.5 מיליארד

35.2

Gemma 2

2.6 מיליארד

41.9

Mistral

7 מיליארד

56.0

לאמה 3

61.1

Gemma 1

7 מיליארד

59.0

Gemma 2

9 מיליארד

68.2

Gemma 2

27B

74.9

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

52.0

Mistral

7B

63.8

LLAMA 3

8B

58.4

Gemma 1

7 מיליארד

56.3

Gemma 2

9 מיליארד

69.4

Gemma 2

27 מיליארד

74.2

Gemma 1

2.5 מיליארד

66.8

Gemma 2

2.6 מיליארד

70.9

Mistral

7B

78.5

LLAMA 3

8B

76.1

Gemma 1

7B

79.0

Gemma 2

9B

80.6

Gemma 2

27 מיליארד

83.7

Gemma 1

2.5 מיליארד

71.7

Gemma 2

2.6 מיליארד

73.0

Mistral

7 מיליארד

83.0

LLAMA 3

8B

82.0

Gemma 1

7B

82.3

Gemma 2

9B

81.9

Gemma 2

27 מיליארד

86.4

Gemma 1

2.5 מיליארד

11.8

Gemma 2

2.6 מיליארד

15.0

Mistral

7B

12.7

Gemma 1

7B

24.3

Gemma 2

9 מיליארד

36.6

Gemma 2

27 מיליארד

42.3

Gemma 1

2.5 מיליארד

73.2

Gemma 2

2.6 מיליארד

80.1

Mistral

7B

80.5

Gemma 1

7 מיליארד

81.5

Gemma 2

9 מיליארד

88.0

Gemma 2

27B

88.6

Gemma 1

2.5 מיליארד

77.3

Gemma 2

2.6 מיליארד

77.8

Mistral

7 מיליארד

82.2

Gemma 1

7 מיליארד

81.2

Gemma 2

9 מיליארד

81.7

Gemma 2

27 מיליארד

83.2

Gemma 1

2.5 מיליארד

49.7

Gemma 2

2.6 מיליארד

51.9

Mistral

7 מיליארד

47.0

Gemma 1

7B

51.8

Gemma 2

9B

53.4

Gemma 2

27 מיליארד

53.7

Gemma 1

2.5 מיליארד

69.4

Gemma 2

2.6 מיליארד

72.5

Mistral

7 מיליארד

83.2

Gemma 1

7 מיליארד

83.2

Gemma 2

9 מיליארד

84.2

Gemma 2

27 מיליארד

84.8

Gemma 1

2.5 מיליארד

53.2

Gemma 2

2.6 מיליארד

59.4

Mistral

7B

62.5

Gemma 1

7B

63.4

Gemma 2

9 מיליארד

76.6

Gemma 2

27 מיליארד

83.7

Gemma 1

2.5 מיליארד

12.5

Gemma 2

2.6 מיליארד

16.7

Mistral

7B

23.2

Gemma 1

7B

23.0

Gemma 2

9B

29.2

Gemma 2

27 מיליארד

34.5

Gemma 1

2.5 מיליארד

22.0

Gemma 2

2.6 מיליארד

17.7

Mistral

7B

26.2

Gemma 1

7B

32.3

Gemma 2

9 מיליארד

40.2

Gemma 2

27B

51.8

Gemma 1

2.5 מיליארד

29.2

Gemma 2

2.6 מיליארד

29.6

Mistral

7B

40.2

Gemma 1

7B

44.4

Gemma 2

9 מיליארד

52.4

Gemma 2

27B

62.6

*אלה מדדי העזר של המודלים שהוכשרו מראש. בדוח הטכני מפורט מידע על הביצועים של שיטות אחרות.

משפחת הדגמים Gemma

פריט חדש

Gemma 2

ב-Gemma 2 יש שלושה מודלים חדשים, עוצמתיים ויעילים שזמינים בגדלים של 2, 9 ו-27 מיליארד פרמטרים, שכולם כוללים שדרוגים מובנים לשמירה על הבטיחות.

פריט חדש

DataGemma

DataGemma הם המודלים הפתוחים הראשונים שנועדו לחבר מודלים של LLM לנתונים נרחבים מהעולם האמיתי, שנאספים מ-Data Commons של Google.

Gemma 1

מודלים של Gemma הם מודלים גדולים של שפה (LLM) קלים, מסוג 'טקסט לטקסט' ומפענח בלבד, שמתאימים למגוון משימות של עיבוד שפה טבעית. הם מאומנים על מערך נתונים עצום של טקסט, קוד ותוכן מתמטי.

RecurrentGemma

RecurrentGemma הוא מודל ייחודי מבחינה טכנית שמשתמש ברשתות נוירונים חוזרות ובתשומת לב מקומית כדי לשפר את יעילות הזיכרון.

PaliGemma

PaliGemma הוא מודל פתוח של שפה-ראייה בהשראת PaLI-3, שמשתמש ב-SigLIP וב-Gemma. המודל תוכנן כמודל גמיש להעברה למגוון רחב של משימות שפה-ראייה.

CodeGemma

CodeGemma מסתמך על היסודות של המודלים המקוריים של Gemma שעברו אימון מראש, ומספק יכולות מתקדמות של השלמת קוד ויצירה של קוד, בגדלים שמתאימים למחשב המקומי שלכם.

מדריכים למתחילים למפתחים

Gemma Cookbook

בואו לעיין באוסף מתכונים מעשיים ודוגמאות שמציגים את הכוח והמגוון של השימוש ב-Gemma למשימות כמו הוספת כיתוב לתמונה באמצעות PaliGemma, יצירת קוד באמצעות CodeGemma ובניית צ'אט בוטים עם מודלים עדינים של Gemma.

פיתוח אחראי של AI

אחריות מובנית

המודלים הוכשרו מראש על נתונים שנאספו בקפידה, ונוספה להם התאמה לשמירה על הבטיחות. כך אפשר לפתח AI בטוח ואחראי על סמך מודלים של Gemma.

בדיקה קפדנית ושקופה

הערכות מקיפות ודוחות שקופים חושפים את המגבלות של המודלים, כדי שתוכלו לנקוט גישה אחראית לכל תרחיש לדוגמה.

פיתוח אחראי

ערכת הכלים האחריות של בינה מלאכותית גנרטיבית תומכת במפתחים לפתח ולהטמיע שיטות מומלצות לשמירה על בינה מלאכותית (AI).

סמל Google Cloud

מותאמים ל-Google Cloud

בעזרת מודלים של Gemma ב-Google Cloud, אפשר להתאים אישית את המודל בצורה יסודית לצרכים הספציפיים שלכם באמצעות הכלים המנוהלים במלואם של Vertex AI או האפשרות העצמאית של GKE, ולפרוס אותו בתשתית גמישה וחסכונית שמותאמת ל-AI.

קידום מחקר אקדמי באמצעות קרדיטים ל-Google Cloud

לאחרונה הסתיימה תקופת הגשת הבקשות לתוכנית המחקר האקדמי, והענקת קרדיטים ב-Google Cloud לתמיכה בחוקרים שמרחיבים את גבולות הגילוי המדעי באמצעות מודלים של Gemma. אנחנו שמחים לראות את המחקר הפורץ דרך שייצא מהיוזמה הזו.

נעדכן אותך לגבי הזדמנויות עתידיות לקידום המחקר שלך ב-Google Cloud.

הצטרפות לקהילה

מתחברים, חוקרים ומשתפים את הידע שלכם עם אחרים בקהילת המודלים של למידת מכונה.