{"id":118790,"date":"2024-08-01T15:43:32","date_gmt":"2024-08-01T13:43:32","guid":{"rendered":"https:\/\/prohoster.info\/blog\/novosti-interneta\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo"},"modified":"2024-08-01T15:43:32","modified_gmt":"2024-08-01T13:43:32","slug":"google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","status":"publish","type":"post","link":"https:\/\/prohoster.info\/da\/blog\/news\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google har pr\u00e6senteret den kompakte sprogmodel Gemma 2 2B, som overg\u00e5r GPT 3.5 Turbo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Google pr\u00e6senterede<\/a><\/noindex> Gemma 2 2B \u2014 en kompakt, men kraftfuld sprogmodel af kunstig intelligens (LLM), der kan konkurrere med branchens f\u00f8rende p\u00e5 trods af sin betydeligt mindre st\u00f8rrelse. Den nye sprogmodel, der indeholder kun 2,6 milliarder parametre, viser ydeevne, der ikke er d\u00e5rligere end langt st\u00f8rre alternativer, herunder OpenAI GPT-3.5 og Mistral AI Mixtral 8x7B.<\/p>\n

<\/center> \t\t\t\t \"Google <\/p>\n

I testen LMSYS Chatbot Arena, en popul\u00e6r online platform til sammenlignende testning og vurdering af kvaliteten af kunstige intelligensmodeller, opn\u00e5ede Gemma 2 2B 1130 point. Dette resultat overg\u00e5r lidt resultaterne fra GPT-3.5-Turbo-0613 (1117 point) og Mixtral-8x7B (1114 point) \u2014 modeller, der har ti gange s\u00e5 mange parametre.<\/p>\n

\"Google <\/p>\n

Google rapporterer, at Gemma 2 2B ogs\u00e5 opn\u00e5ede 56,1 point i MMLU-testen (Massive Multitask Language Understanding) og 36,6 point i MBPP-testen (Mostly Basic Python Programming), hvilket er en betydelig forbedring i forhold til den tidligere version. <\/p>\n

<\/center> <\/p>\n

Gemma 2 2B udfordrer den g\u00e6ngse opfattelse af, at st\u00f8rre sprogmodeller altid fungerer bedre end kompakte. Ydeevnen af Gemma 2 2B viser, at komplekse tr\u00e6ningsmetoder, effektiv arkitektur og h\u00f8jkvalitets datas\u00e6t kan opveje manglen p\u00e5 parametre. Udviklingen af Gemma 2 2B understreger ogs\u00e5 den stigende betydning af metoder til komprimering og destillation af AI-modeller. Muligheden for effektivt at kompilere information fra st\u00f8rre modeller til mindre \u00e5bner muligheder for at skabe mere tilg\u00e6ngelige AI-v\u00e6rkt\u00f8jer, uden at g\u00e5 p\u00e5 kompromis med deres ydeevne.<\/p>\n

Google har tr\u00e6net Gemma 2 2B p\u00e5 et enormt datas\u00e6t best\u00e5ende af 2 billioner tokens ved hj\u00e6lp af systemer baseret p\u00e5 deres propriet\u00e6re AI-acceleratorer TPU v5e. St\u00f8tten til flere sprog udvider dens potentiale for anvendelse i globale applikationer. Modellen Gemma 2 2B er open source. Forskere og udviklere kan f\u00e5 adgang til modellen via platformen Hugging Face<\/a><\/noindex>. Den underst\u00f8tter ogs\u00e5 forskellige rammer, herunder PyTorch<\/a><\/noindex> og TensorFlow<\/a><\/noindex>.<\/p>\n

Kilde:<\/strong><\/p>\n