{"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\/news\/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":"

Das Unternehmen Google hat<\/a><\/noindex> Gemma 2 2B \u2014 ein kompaktes, aber leistungsstarkes KI-Sprachmodell (LLM), das mit den Branchenf\u00fchrern konkurrieren kann, trotz seiner erheblich geringeren Gr\u00f6\u00dfe. Das neue Sprachmodell, das nur 2,6 Milliarden Parameter enth\u00e4lt, zeigt eine Leistung, die mit den deutlich gr\u00f6\u00dferen Analogien, einschlie\u00dflich OpenAI GPT-3.5 und Mistral AI Mixtral 8x7B, vergleichbar 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 \u00fcbertrifft leicht die Ergebnisse von GPT-3.5-Turbo-0613 (1117 Punkte) und Mixtral-8x7B (1114 Punkte) \u2014 Modelle, die \u00fcber zehnmal so viele Parameter verf\u00fcgen.<\/p>\n

\"Google <\/p>\n

Google berichtet, dass Gemma 2 2B auch 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 signifikante Verbesserung im Vergleich zur vorherigen Version darstellt. <\/p>\n

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

Gemma 2 2B stellt die g\u00e4ngige Meinung infrage, dass gr\u00f6\u00dfere Sprachmodelle von Natur aus besser funktionieren als kompakte. Die Leistung von Gemma 2 2B zeigt, dass komplexe Lernmethoden, architektonische Effizienz und hochwertige Datens\u00e4tze die fehlende Anzahl an Parametern 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 effektiv in kleinere zu kompilieren, er\u00f6ffnet M\u00f6glichkeiten zur Schaffung zug\u00e4nglicherer KI-Tools, ohne deren Leistung zu opfern.<\/p>\n

Google hat Gemma 2 2B auf einem riesigen Datensatz von 2 Billionen Token trainiert, dabei Systeme auf Basis ihrer eigenen KI-Beschleuniger TPU v5e genutzt. Die Unterst\u00fctzung mehrerer Sprachen erweitert ihr Potenzial f\u00fcr den Einsatz in globalen Anwendungen. Das Modell Gemma 2 2B ist quelloffen. Forscher und Entwickler k\u00f6nnen auf das Modell \u00fcber die Plattform Hugging Face<\/a><\/noindex>. Es unterst\u00fctzt auch verschiedene Frameworks, einschlie\u00dflich PyTorch<\/a><\/noindex> und TensorFlow<\/a><\/noindex>.<\/p>\n

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