{"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\/fr\/blog\/news\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google a pr\u00e9sent\u00e9 le mod\u00e8le linguistique compact Gemma 2 2B, qui surpasse GPT 3.5 Turbo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

La soci\u00e9t\u00e9 Google pr\u00e9sent\u00e9e<\/a><\/noindex> Gemma 2 2B \u2014 un mod\u00e8le de langage compact mais puissant d'intelligence artificielle (LLM), capable de rivaliser avec les leaders du secteur, malgr\u00e9 sa taille beaucoup plus r\u00e9duite. Ce nouveau mod\u00e8le linguistique, contenant uniquement 2,6 milliards de param\u00e8tres, montre des performances \u00e9quivalentes \u00e0 celles de mod\u00e8les beaucoup plus grands, y compris OpenAI GPT-3.5 et Mistral AI Mixtral 8x7B.<\/p>\n

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

Dans le test LMSYS Chatbot Arena, une plateforme en ligne populaire pour comparer et \u00e9valuer la qualit\u00e9 des mod\u00e8les d'intelligence artificielle, Gemma 2 2B a obtenu 1130 points. Ce r\u00e9sultat devance l\u00e9g\u00e8rement celui de GPT-3.5-Turbo-0613 (1117 points) et Mixtral-8x7B (1114 points) \u2014 des mod\u00e8les dot\u00e9s de dix fois plus de param\u00e8tres.<\/p>\n

\"Google <\/p>\n

Google rapporte que Gemma 2 2B a \u00e9galement obtenu 56,1 points au test MMLU (Massive Multitask Language Understanding) et 36,6 points au test MBPP (Mostly Basic Python Programming), ce qui repr\u00e9sente une am\u00e9lioration significative par rapport \u00e0 la version pr\u00e9c\u00e9dente. <\/p>\n

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

Gemma 2 2B remet en question l'id\u00e9e g\u00e9n\u00e9ralement accept\u00e9e selon laquelle les mod\u00e8les de langage plus grands fonctionnent mieux que les mod\u00e8les compacts. Les performances de Gemma 2 2B d\u00e9montrent que des m\u00e9thodes d'apprentissage sophistiqu\u00e9es, l'efficacit\u00e9 de l'architecture et des ensembles de donn\u00e9es de haute qualit\u00e9 peuvent compenser le manque en nombre de param\u00e8tres. Le d\u00e9veloppement de Gemma 2 2B souligne \u00e9galement l'importance croissante des m\u00e9thodes de compression et de distillation des mod\u00e8les d'IA. La capacit\u00e9 \u00e0 compiler efficacement des informations provenant de mod\u00e8les plus grands dans des mod\u00e8les plus petits ouvre des perspectives pour cr\u00e9er des outils d'IA plus accessibles, sans compromettre leur performance.<\/p>\n

Google a form\u00e9 Gemma 2 2B sur un vaste ensemble de donn\u00e9es de 2 trillions de tokens, en utilisant des syst\u00e8mes bas\u00e9s sur ses acc\u00e9l\u00e9rateurs d'IA TPU v5e. Le support de plusieurs langues \u00e9largit son potentiel d'utilisation dans des applications mondiales. Le mod\u00e8le Gemma 2 2B est open source. Les chercheurs et les d\u00e9veloppeurs peuvent acc\u00e9der au mod\u00e8le via la plateforme Hugging Face<\/a><\/noindex>. Il prend \u00e9galement en charge divers frameworks, y compris PyTorch<\/a><\/noindex> et TensorFlow<\/a><\/noindex>.<\/p>\n

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