{"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\/de\/blog\/novosti-interneta\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google hat das kompakte Sprachmodell Gemma 2 2B vorgestellt, das GPT 3.5 Turbo \u00fcbertrifft.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Google pr\u00e4sentierte<\/a><\/noindex> Gemma 2 2B \u2013 ein kompakt, aber leistungsstarkes KI-Sprachmodell (LLM), das in der Lage ist, mit den Branchenf\u00fchrern zu konkurrieren, trotz seiner deutlich kleineren Gr\u00f6\u00dfe. Das neue Sprachmodell, das nur 2,6 Milliarden Parameter enth\u00e4lt, zeigt eine Leistung, die mit viel gr\u00f6\u00dferen Alternativen wie OpenAI GPT-3.5 und Mistral AI Mixtral 8x7B nicht schlechter ist.<\/p>\n

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

Im Test der LMSYS Chatbot Arena, einer beliebten Online-Plattform zum Vergleich und zur Bewertung von KI-Modellen, erzielte Gemma 2 2B 1130 Punkte. Dieses Ergebnis liegt leicht \u00fcber den Ergebnissen von GPT-3.5-Turbo-0613 (1117 Punkte) und Mixtral-8x7B (1114 Punkte) \u2013 Modellen, die zehnmal mehr Parameter aufweisen.<\/p>\n

\"Google <\/p>\n

Google berichtet, dass Gemma 2 2B ebenfalls 56,1 Punkte im MMLU-Test (Massive Multitask Language Understanding) und 36,6 Punkte im MBPP-Test (Mostly Basic Python Programming) erzielt hat, was eine erhebliche Verbesserung im Vergleich zur vorherigen Version darstellt. <\/p>\n

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

Gemma 2 2B stellt die weit verbreitete Annahme in Frage, dass gr\u00f6\u00dfere Sprachmodelle von vornherein besser funktionieren als kompakte. Die Leistung von Gemma 2 2B zeigt, dass komplexe Lernmethoden, die Effizienz der Architektur und hochwertige Datens\u00e4tze die Anzahl der Parameter ausgleichen k\u00f6nnen. Die Entwicklung von Gemma 2 2B hebt auch die wachsende Bedeutung von Komprimierungs- und Destillationsmethoden f\u00fcr KI-Modelle hervor. Die F\u00e4higkeit, Informationen aus gr\u00f6\u00dferen Modellen effizient in kleinere zu kompilieren, er\u00f6ffnet M\u00f6glichkeiten zur Schaffung zug\u00e4nglicherer KI-Tools, ohne dabei deren Leistung zu opfern.<\/p>\n

Google hat Gemma 2 2B auf einem riesigen Datensatz von 2 Billionen Tokens trainiert, unter Verwendung von Systemen, die auf ihren speziellen KI-Beschleunigern TPU v5e basieren. Die Unterst\u00fctzung mehrerer Sprachen erweitert ihr Potenzial f\u00fcr globale Anwendungen. Das Modell Gemma 2 2B hat offenen Quellcode. Forscher und Entwickler k\u00f6nnen auf das Modell \u00fcber die Plattform Hugging Face<\/a><\/noindex>. Es unterst\u00fctzt auch verschiedene Frameworks, darunter PyTorch<\/a><\/noindex> und TensorFlow<\/a><\/noindex>.<\/p>\n

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