מודלים פתוחים של Gemma

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

תחילת העבודה
סמל של אחריות בעיצוב

אחריות משלב התכנון

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.

כדאי לנסות את Gemma 2 ב-Google AI Studio

5 שוטים

MMLU

נקודת ההשוואה של MMLU היא בדיקה שמודדת את היקף הידע ויכולת פתרון הבעיות שנרכשו על ידי מודלים גדולים של שפה במהלך אימון מראש.

25 שוטים

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

נקודת ההשוואה GSM8K בוחן את היכולת של מודל שפה לפתור בעיות מתמטיות ברמת בית הספר של הכיתה, שמחייבות לעיתים קרובות שלבים מרובים.

3-5 שוטים

AGIEval

נקודת ההשוואה של AGIEval בודקת את הבינה הכללית של מודל שפה באמצעות שאלות שנגזרות מבחינות בעולם האמיתי, שנועדו להעריך יכולות אינטלקטואליות 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 שוטים

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

בנצ'מרק HellaSwag בודק את היכולת של מודל שפה להבין ולהפעיל חשיבה ישרה על ידי בחירת הסיום ההגיוני ביותר 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.

אפס בעיטות

ARC-e

בנצ'מרק ARC-e נבחן את כישורי מענה השאלות המתקדמים של מודל שפה, ברמת כיתה אמיתית, שאלות מדעיות אמריקאיות.

אפס בעיטות

PIQA

נקודת ההשוואה של PIQA בודקת את היכולת של מודל שפה להבין וליישם ידע פיזיקלי 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 שוטים

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

נקודת ההשוואה של HumanEval בודקת את יכולות יצירת הקוד של מודל שפה מסוים על ידי הערכה אם הפתרונות שלו עוברים בדיקות יחידה פונקציונלית לבעיות תכנות.

שלשות

MBPP

בנצ'מרק של MBPP בודק את היכולת של מודל שפה לפתור בעיות בסיסיות בתכנות Python, תוך התמקדות במושגי תכנות בסיסיים ובשימוש סטנדרטי בספרייה.

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

7 מיליארד

62.5

לאמה 3

8ב

66.6

Gemma 1

7 מיליארד

64.4

Gemma 2

9 מיליארד

71.3

Gemma 2

27 מיליארד

75.2

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

55.4

Mistral

7 מיליארד

60.5

לאמה 3

8ב

59.2

Gemma 1

7 מיליארד

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

7 מיליארד

39.6

לאמה 3

8ב

45.7

Gemma 1

7 מיליארד

51.8

Gemma 2

9 מיליארד

68.6

Gemma 2

27 מיליארד

74.0

Gemma 1

2.5 מיליארד

24.2

Gemma 2

2.6 מיליארד

30.6

Mistral

7 מיליארד

44.0

לאמה 3

8ב

45.9

Gemma 1

7 מיליארד

44.9

Gemma 2

9 מיליארד

52.8

Gemma 2

27 מיליארד

55.1

Gemma 1

2.5 מיליארד

35.2

Gemma 2

2.6 מיליארד

41.9

Mistral

7 מיליארד

56.0

לאמה 3

8ב

61.1

Gemma 1

7 מיליארד

59.0

Gemma 2

9 מיליארד

68.2

Gemma 2

27 מיליארד

74.9

Gemma 1

2.5 מיליארד

48.5

Gemma 2

2.6 מיליארד

52.0

Mistral

7 מיליארד

63.8

לאמה 3

8ב

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

7 מיליארד

78.5

לאמה 3

8ב

76.1

Gemma 1

7 מיליארד

79.0

Gemma 2

9 מיליארד

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

לאמה 3

8ב

82.0

Gemma 1

7 מיליארד

82.3

Gemma 2

9 מיליארד

81.9

Gemma 2

27 מיליארד

86.4

Gemma 1

2.5 מיליארד

11.8

Gemma 2

2.6 מיליארד

15.0

Mistral

7 מיליארד

12.7

Gemma 1

7 מיליארד

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

7 מיליארד

80.5

Gemma 1

7 מיליארד

81.5

Gemma 2

9 מיליארד

88.0

Gemma 2

27 מיליארד

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

7 מיליארד

51.8

Gemma 2

9 מיליארד

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

7 מיליארד

62.5

Gemma 1

7 מיליארד

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

7 מיליארד

23.2

Gemma 1

7 מיליארד

23.0

Gemma 2

9 מיליארד

29.2

Gemma 2

27 מיליארד

34.5

Gemma 1

2.5 מיליארד

22.0

Gemma 2

2.6 מיליארד

17.7

Mistral

7 מיליארד

26.2

Gemma 1

7 מיליארד

32.3

Gemma 2

9 מיליארד

40.2

Gemma 2

27 מיליארד

51.8

Gemma 1

2.5 מיליארד

29.2

Gemma 2

2.6 מיליארד

29.6

Mistral

7 מיליארד

40.2

Gemma 1

7 מיליארד

44.4

Gemma 2

9 מיליארד

52.4

Gemma 2

27 מיליארד

62.6

*אלה נקודות ההשוואה של המודלים שעברו אימון מראש. בדוח הטכני אפשר למצוא פרטים על הביצועים עם שיטות אחרות.

קריאת הדוח הטכני

משפחת המודלים של 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 אמצעים מובנים לשמירה על הבטיחות.

שנתחיל?

Gemma 1

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

שנתחיל?

RecurrentGemma

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

שנתחיל?

PaliGemma

PaliGemma הוא מודל פתוח מבוסס-ראייה, בהשראת PaLI-3 שנעזר ב-SigLIP וב-Gemma, והוא תוכנן כמודל רב-תכליתי להעברה למגוון רחב של משימות בשפות ראייה.

שנתחיל?

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.

שנתחיל?

כדאי להכיר את הכלים שלנו

סמל של ShieldGemma

ShieldGemma

חבילת ShieldGemma היא חבילת מודלים לסיווג תוכן בנושאי בטיחות, שמבוססים על Gemma 2, כדי לסנן את הקלט והפלט של מודלים של AI ולשמור על בטיחות המשתמשים.

סמל של היקף הרשאות Gemma

היקף הרשאות Gemma

פלטפורמת Gemma Scope מציעה לחוקרים שקיפות חסרת תקדים לגבי תהליכי קבלת ההחלטות של המודלים שלנו ב-Gemma 2.

מדריכים למתחילים למפתחים

סמל של Kaggle

מדריכים למתחילים ב-Kaggle

בדף Kaggle Models אפשר למצוא מדריכים למתחילים, דוגמאות לקודים ודיונים בנושא Gemma.

פתיחה ב-Kaggle
סמל הענן של Google

אימון ופריסה ב-Google Cloud

Gemma 2 עובד בצורה הטובה ביותר ב-Google Cloud, עם אופטימיזציה מקצה לקצה של TPU לביצועים המובילים בשוק והעלות הכוללת של הבעלות ב-Vertex.

פתיחה ב-Vertex AI
הסמל של Google Colab

כדאי לנסות התאמה בדירוג נמוך עם JAX דרך Keras 3

התאמת המודלים של Gemma לדומיין ולנתונים הייחודיים שלכם באמצעות מסגרת הקצה העורפי לבחירתכם דרך Keras 3.

פתיחה ב-Colab
לעיון בכל המדריכים למתחילים במסמכי התיעוד שלנו לצפייה בכל המדריכים למתחילים

מדריכים למתחילים לשותפים

הלוגו של הפנים המחבקות

פרצוף מחבק

משתמשים בטרנספורמרים מחבקים של פנים וב-TRL כדי לבצע משימות של כוונון עדין והסקת מסקנות עם מודלים של Gemma.
הלוגו של NVIDIA

NVIDIA

שיפור מודלים של Gemma באמצעות NVIDIA NeMo Framework וייצוא ל-TensorRT-LLM בסביבת ייצור.
הלוגו של NVIDIA

LangChain

במדריך הזה מוסבר איך להתחיל להשתמש ב-Gemma וב-LangChain, ב-Google Cloud או בסביבת Colab.
הלוגו של NVIDIA

כל קנה מידה

במסמכים האלה מוסבר איך להשתמש ב-Gemma דרך Anyscale Endpoint כנקודות קצה מנוהלות ל-API.
הלוגו של NVIDIA

MongoDB

במאמר הזה נסביר איך להשתמש ב-Gemma כמודל הבסיס בצינור עיבוד נתונים או במערכת לייצור מוגדל של אחזור.
הלוגו של NVIDIA

משקולות והטיות

התעמקות בכלים 'מרשם המודלים וההשקה' של W&B באמצעות דוגמה מפורטת לשימוש במודלים של Gemma של Google.

המתכונים שלי ל-Gemma

אוסף של 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.

מתחילים לבשל

גישה למודלים של Gemma כבר עכשיו

הלוגו של Kaggle

דגמי Kaggle

גישה למודלים של Gemma 2 ב-Kaggle
הלוגו של Vertex AI

Model Garden של Vertex AI

התאמה אישית של Gemma 2 באמצעות הנתונים שלך
לוגו של פרצוף מחבק

תבניות פנים מחבקות

גישה, שיפור ופריסה של Gemma

פיתוח אחראי של בינה מלאכותית

אחריות במרכז

אומנו מראש על נתונים שנאספו בקפידה ובוצעו כוונון לשמירה על הבטיחות, כדי לאפשר פיתוח בטוח ואחראי של AI באמצעות מודלים של Gemma.

בדיקה קפדנית ושקופה

הערכות מקיפות ודיווח שקוף חושפים את המגבלות על המודל, כדי לאמץ גישה אחראית לכל תרחיש לדוגמה.

פיתוח אחראי

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

לעיון בערכת הכלים האחראית על AI גנרטיבי
הסמל של Google Cloud

מותאמים ל-Google Cloud

בעזרת מודלים של Gemma ב-Google Cloud, ניתן להתאים אישית את המודל לצרכים הספציפיים שלכם בעזרת הכלים המנוהלים באופן מלא של Vertex AI או באמצעות האפשרות בניהול עצמי של GKE, ולפרוס אותו בתשתית גמישה וחסכונית שמותאמת ל-AI.

למידע נוסף בבלוג של Google Cloud

קידום מחקר אקדמי באמצעות קרדיטים ל-Google Cloud

תוכנית המחקר האקדמי סיימה לאחרונה את תקופת היישום שלה והעניקה קרדיטים ל-Google Cloud כדי לתמוך בחוקרים שפורצים את גבולות הגילוי המדעי באמצעות מודלים של Gemma. אנחנו שמחים לראות את המחקר פורץ הדרך שעולה 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.

Kaggle

אפשר לגשת לכרטיס המודל, לעיין ב-notebooks אינטראקטיביים ולהצטרף לדיונים בקהילה.

סמל של Kaggle להצטרפות ל-Kaggle

Discord

מתכתבים בצ'אט, משתפים רעיונות ויוצרים קשרים מיידיים בערוץ Google Developer Discord #gemma.

סמל Discord לצ'אט עכשיו

בלוג

כל החדשות והסיפורים העדכניים ביותר בנושא AI מבית Google למפתחים.

סמל הבלוג כניסה לבלוג