نماذج Gemma المفتوحة

مجموعة من النماذج الخفيفة والحديثة المفتوحة التي تم إنشاؤها من خلال الأبحاث والتكنولوجيا نفسها المستخدَمة في إنشاء نماذج Gemini

البدء
شعار طُرز Gemma

تصميم مسؤول

من خلال دمج تدابير السلامة الشاملة، تساعد هذه النماذج في ضمان حلول الذكاء الاصطناعي المسؤولة والموثوقة من خلال مجموعات بيانات منظَّمة وتعديلات دقيقة.

شعار طُرز Gemma

أداء غير مطابق بحجمه

تحقّق نماذج Gemma نتائج قياس أداء استثنائية بأحجامها 2B و7B، بل وتتفوق على بعض الطُرز المفتوحة الأكبر حجمًا.

شعار طُرز Gemma

إطار عمل مرن

باستخدام Keras 3.0، يمكنك الاستمتاع بالتوافق السلس مع JAX وTensorFlow وPyTorch، ما يتيح لك اختيار أُطر العمل وتبديلها بسهولة بناءً على مهمتك.

خيارات نموذج Gemma

CodeGemma

تستفيد CodeGemma من أساس نماذج Gemma الأصلية المُدرَّبة مسبقًا، وتوفِّر إمكانات فعّالة لإنشاء الرموز البرمجية وإكمالها بأحجام تناسب جهاز الكمبيوتر المحلي.

البدء

RecurrentGemma

إن RecurrentGemma هو نموذج مميز من الناحية الفنية يستفيد من الشبكات العصبية المتكررة والاهتمام المحلي لتحسين كفاءة الذاكرة.

البدء

أدلة البدء السريع للمطوّرين

رمز Kaggle

تعرَّف على البدء السريع على Kaggle.

قم بزيارة صفحة Kaggle Models للعثور على البدء السريع وأمثلة التعليمات البرمجية والمناقشات الخاصة بـ Gemma.

فتح في Kaggle
رمز Google Cloud

التدريب والنشر على Google Cloud

تعمل "جيما" بشكل أفضل على Google Cloud، وذلك من خلال تحسين مادة معالجة الموتّرات الشاملة (TPU) من أجل تحقيق أداء رائد في السوق وتكلفة إجمالية للملكية في Vertex.

فتح في Vertex AI
رمز Google Colab

جرب تعديل التصنيف المنخفض باستخدام JAX عبر Keras 3

يمكنك تعديل نماذج Gemma لتناسب نطاقك وبياناتك الفريدة باستخدام إطار عمل الخلفية الذي تختاره من خلال Keras 3.

فتح في Colab
الاطّلاع على جميع البدء السريع في مستنداتناعرض جميع البدء السريع

أدلة البدء السريع للشركاء

شعار وجه معضل

وجه يعانق

استخدِم أدوات تحويل الوجه المعاقة وTRL لضبط المهام واستنتاجها باستخدام تصاميم Gemma.

عرض على وجه يعانق
شعار NVIDIA

وحدة معالجة الرسومات NVIDIA

يمكنك تحسين نماذج Gemma باستخدام إطار عمل NVIDIA NeMo، ثم تصديرها إلى TensorRT-LLM بهدف إنتاجها.

عرض في جيت هب

ستتم إضافة المزيد من أدلة الشركاء قريبًا.

مقاييس الأداء

تضع "جيما" معاييرًا جديدة للأداء المتطوّر من حيث الحجم مقارنةً بالطُرز الرائجة مثل Llama 2 وMistral 7B.

5 لقطات، أعلى 1

MMLU

إن معيار MMLU هو اختبار يقيس مدى اتساع المعرفة وقدرة حل المشكلات التي اكتسبتها النماذج اللغوية الكبيرة أثناء التدريب المسبق.

0 لقطة

HellaSwag

يتحدى مقياس HellaSwag قدرة النموذج اللغوي على فهم وتطبيق المنطق السليم من خلال اختيار النهاية الأكثر منطقية للقصة.

0 لقطة

PIQA

يختبر مقياس PIQA قدرة النموذج اللغوي على فهم وتطبيق معرفة المنطق السليم من خلال الإجابة عن أسئلة حول التفاعلات الجسدية اليومية.

0 لقطة

شهادة SIQA

يقيّم مقياس SIQA مدى فهم النموذج اللغوي للتفاعلات الاجتماعية والحس الاجتماعي العام من خلال طرح أسئلة حول أفعال الأشخاص وآثارهم الاجتماعية.

0 لقطة

دالة Boolq

يختبر مقياس BoolQ قدرة النموذج اللغوي على الإجابة عن الأسئلة التي تحدث بشكل طبيعي (يتم إنشاؤها في إعدادات غير مشروطة وغير مشروطة) بنعم أو لا، ما يختبر قدرة النماذج على تنفيذ مهام استنتاج اللغة الطبيعية في الواقع.

النتيجة الجزئية

وينوغراندي

يختبر معيار Winogrande قدرة النموذج اللغوي على حلّ مهام ملء الفراغات الغامضة باستخدام خيارات ثنائية، الأمر الذي يتطلّب أسبابًا منطقية عامة.

7 لقطات

ضمان جودة

يقيّم مقياس CQA أداء النماذج اللغوية من خلال الإجابة عن أسئلة متعددة الخيارات، ويتطلب ذلك أنواعًا مختلفة من المعرفة حول المنطق السليم.

هيئة جودة الهواء (OBQA)

يقيّم مقياس أداء OBQA قدرة النموذج اللغوي على تقديم إجابات متقدّمة عن الأسئلة من خلال التفكير متعدد الخطوات، والمعرفة المنطقية، وفهم النصوص المنسّقة، على غرار اختبارات الكتب المفتوحة.

تقنية ARC-e

يختبر مقياس ARC-e المهارات المتقدمة للإجابة عن الأسئلة في نموذج لغوي، وذلك من خلال أسئلة علمية ذات خيارات متعددة وتحديات وصول حقيقية إلى مستوى التعليم الدراسي.

ARC-c

معيار ARC-c هو مجموعة فرعية أكثر تركيزًا من مجموعة بيانات ARC-e، وهي تحتوي فقط على الأسئلة التي تمت الإجابة عليها بشكل غير صحيح عن طريق خوارزميات شائعة (توافُق الكلمات والأساس الاسترجاعي).

5 لقطات

TriviaQA

يختبر مقياس TriviaQA مقاييس الفهم في القراءة من خلال تقديم ثلاث أدلة على الأسئلة والأجوبة.

Pass@1

HumanEval

يختبر مقياس HumanEval قدرات إنشاء التعليمات البرمجية للنموذج اللغوي من خلال تقييم ما إذا كانت حلوله تجتاز اختبارات الوحدات الوظيفية لمشكلات البرمجة.

3 لقطات

شهادة MBPP

يختبر مقياس MBPP قدرة النموذج اللغوي على حل مشكلات برمجة بايثون الأساسية، مع التركيز على مفاهيم البرمجة الأساسية واستخدام المكتبة القياسي.

maj@1

بروتوكول GSM8K

يختبر معيار GSM8K قدرة النموذج اللغوي على حل مسائل رياضية على مستوى المدارس الابتدائية والتي تتطلب عادةً خطوات متعددة للتفكير.

4 لقطات

MATH

يقيّم مقياس MATH قدرة نموذج لغوي على حل المسائل الكلامية الرياضية المعقدة، والتي تتطلب الاستدلال، وحل المشكلات متعددة الخطوات، وفهم المفاهيم الرياضية.

AGIEval

يختبر مقياس AGIEval الذكاء العام للنموذج اللغوي باستخدام أسئلة مستمدة من اختبارات العالم الواقعي المصمّمة لتقييم القدرات الفكرية البشرية (امتحانات قبول الجامعات واختبارات القانون وما إلى ذلك).

بولي يورثان متلدّن بالحرارة

يركّز مقياس معيار BBH (BIG-Bench Hard) على المهام التي تتخطى قدرات النماذج اللغوية الحالية، حيث يختبر حدودها على مستوى نطاقات الاستدلال والفهم المختلفة.

100%

75%

50%

25%

‫0%

100%

75%

50%

25%

‫0%

Gemma

7ب

64.3

Gemma

2ب

42.3

ميسترال

7ب

62.5

LLAMA-2

13 ب

54.8

LLAMA-2

7ب

45.3

Gemma

7ب

81.2

Gemma

2ب

71.4

ميسترال

7ب

81.0

LLAMA-2

13 ب

80.7

LLAMA-2

7ب

77.2

Gemma

7ب

81.2

Gemma

2ب

77.3

ميسترال

7ب

82.2

LLAMA-2

13 ب

80.5

LLAMA-2

7ب

78.8

Gemma

7ب

51.8

Gemma

2ب

49.7

ميسترال

7ب

47.0*

LLAMA-2

13 ب

50.3

LLAMA-2

7ب

48.3

Gemma

7ب

83.2

Gemma

2ب

69.42

ميسترال

7ب

83.2*

LLAMA-2

13 ب

81.7

LLAMA-2

7ب

77.4

Gemma

7ب

72.3

Gemma

2ب

65.4

ميسترال

7ب

74.2

LLAMA-2

13 ب

72.8

LLAMA-2

7ب

69.2

Gemma

7ب

71.3

Gemma

2ب

65.3

ميسترال

7ب

66.3*

LLAMA-2

13 ب

67.3

LLAMA-2

7ب

57.8

Gemma

7ب

52.8

Gemma

2ب

47.8

ميسترال

7ب

52.2

LLAMA-2

13 ب

57

LLAMA-2

7ب

58.6

Gemma

7ب

81.5

Gemma

2ب

73.2

ميسترال

7ب

80.5

LLAMA-2

13 ب

77.3

LLAMA-2

7ب

75.2

Gemma

7ب

53.2

Gemma

2ب

42.06

ميسترال

7ب

54.9

LLAMA-2

13 ب

49.4

LLAMA-2

7ب

45.9

Gemma

7ب

63.4

Gemma

2ب

53.2

ميسترال

7ب

62.5

LLAMA-2

13 ب

79.6

LLAMA-2

7ب

72.1

Gemma

7ب

32.3

Gemma

2ب

22.0

ميسترال

7ب

26.2

LLAMA-2

13 ب

18.3

LLAMA-2

7ب

12.8

Gemma

7ب

44.4

Gemma

2ب

29.2

ميسترال

7ب

40.2*

LLAMA-2

13 ب

30.6

LLAMA-2

7ب

20.8

Gemma

7ب

46.4

Gemma

2ب

17.7

ميسترال

7ب

35.4*

LLAMA-2

13 ب

28.7

LLAMA-2

7ب

14.6

Gemma

7ب

24.3

Gemma

2ب

11.8

ميسترال

7ب

12.7

LLAMA-2

13 ب

3.9

LLAMA-2

7ب

2.5

Gemma

7ب

41.7

Gemma

2ب

24.2

ميسترال

7ب

41.2*

LLAMA-2

13 ب

39.1

LLAMA-2

7ب

29.3

Gemma

7ب

55.1

Gemma

2ب

35.2

ميسترال

7ب

56.1*

LLAMA-2

13 ب

39.4

LLAMA-2

7ب

32.6

*يمكنك الاطّلاع على التقرير الفني للحصول على تفاصيل حول الأداء باستخدام طرق أخرى.

قراءة التقرير الفني

الوصول إلى Gemma اليوم

تتوفّر طُرز Gemma في جميع مراكز عارضي الأزياء المفضَّلة لديك.

نماذج Kaggle

يمكنك العثور على نماذج Gemma في العديد من أطر العمل الرائجة وتوفُّر مكتبة متزايدة من نماذج الرموز البرمجية التي تم اختبارها من قِبل المجتمع.

البدء

حديقة نماذج Vertex AI

يمكنك تخصيص نماذج Gemma باستخدام بياناتك الخاصة، ونشرها في التطبيقات بنقرة واحدة فقط، وتوسيع نطاقها من خلال عمليات تعلُّم الآلة المُدمَجة من البداية إلى النهاية.

البدء

نموذجا وجوه عناقين

يمكنك الوصول إلى نماذج Gemma وضبطها ونشرها من خلال مكتبات Hugging Face Transformers وPEFT وText Generation Inveneration.

البدء

التطوير المسؤول للذكاء الاصطناعي

المسؤولية حسب التصميم

تم تدريبه مسبقًا على بيانات منظَّمة بعناية وضبط إعدادات الأمان أولاً، ما ساعد في تعزيز تطوير الذكاء الاصطناعي الآمن والمسؤول استنادًا إلى نماذج "جيما".

تقييم قوي وشفاف

تكشف التقييمات الشاملة والتقارير الشفافة عن قيود النموذج لاعتماد نهج مسؤول لكل حالة استخدام.

تعزيز التطوير المسؤول

إنّ مجموعة أدوات الذكاء الاصطناعي التوليدي المسؤولة تساعد المطوّرين في تصميم وتنفيذ أفضل ممارسات الذكاء الاصطناعي المسؤولة.

استكشاف مجموعة أدوات الذكاء الاصطناعي التوليدي المسؤول
رمز Google Cloud

تطبيقات متوافقة مع Google Cloud

باستخدام نماذج Gemma على Google Cloud، يمكنك تخصيص النموذج بشكل كبير ليلائم احتياجاتك المحددة باستخدام الأدوات المُدارة بالكامل من Vertex AI أو خيار الإدارة الذاتية من GKE، ويمكنك نشره على بنية أساسية مرنة وفعّالة ومحسّنة للذكاء الاصطناعي.

مزيد من المعلومات في مدونة Google Cloud

تسريع وتيرة البحث الأكاديمي باستخدام أرصدة Google Cloud

انتهى برنامج البحوث الأكاديمية مؤخرًا من فترة تقديم الطلب له، حيث يمنح أرصدة Google Cloud لدعم الباحثين في تجاوز حدود الاكتشاف العلمي باستخدام نماذج جيما. نحن متحمسون لرؤية الأبحاث الرائدة التي تنشأ عن هذه المبادرة.

يمكنك متابعتنا لمعرفة الفرص المستقبلية لتطوير أبحاثك باستخدام Google Cloud.

انضم إلى المنتدى

يمكنك التواصل واستكشاف معلوماتك ومشاركتها مع الآخرين في منتدى نماذج تعلُّم الآلة.

تنافَس لإنشاء أفضل مساعد مستنِد إلى الذكاء الاصطناعي لمهندسي تعلُّم الآلة

تستضيف Kaggle مسابقة لتحدي المشاركين لاستخدام نماذج "جيما" لبناء أفضل مساعدي الذكاء الاصطناعي لمهام هندسة تعلُّم الآلة. سيتم الإعلان عن الفائزين في مؤتمر Google I/O.

الانضمام إلى المنافسة
جائزة مسابقة Kaggle

Kaggle

يمكنك الوصول إلى بطاقة النموذج واستكشاف دفاتر الملاحظات التفاعلية والانضمام إلى مناقشات المنتدى.

رمز Kaggle الانضمام إلى Kaggle

Discord

دردِش وشارِك الأفكار وأنشئ روابط فورية على قناة Google Developer Discord #gemma.

رمز Discord الدردشة الآن

المدوّنة

اطّلِع على آخر الأخبار والقصص المقدَّمة من خلال الذكاء الاصطناعي من Google للمطوّرين.

رمز المدوّنة الانتقال إلى المدوّنة