{"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\/it\/blog\/novosti-interneta\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google ha presentato il modello linguistico compatto Gemma 2 2B, che supera GPT 3.5 Turbo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Google ha presentato<\/a><\/noindex> Gemma 2 2B — un modello di linguaggio compatto ma potente di intelligenza artificiale (LLM) che pu\u00f2 competere con i leader del settore, nonostante le sue dimensioni significativamente pi\u00f9 ridotte. Il nuovo modello di linguaggio, che conta solo 2,6 miliardi di parametri, dimostra performance pari a quelle di analoghi molto pi\u00f9 grandi, tra cui OpenAI GPT-3.5 e Mistral AI Mixtral 8x7B.<\/p>\n

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

Nel test LMSYS Chatbot Arena, una popolare piattaforma online per il confronto e la valutazione della qualit\u00e0 dei modelli di intelligenza artificiale, Gemma 2 2B ha ottenuto 1130 punti. Questo risultato supera leggermente il punteggio di GPT-3.5-Turbo-0613 (1117 punti) e Mixtral-8x7B (1114 punti) — modelli che vantano dieci volte il numero di parametri.<\/p>\n

\"Google <\/p>\n

Google riferisce che Gemma 2 2B ha anche ottenuto 56,1 punti nel test MMLU (Massive Multitask Language Understanding) e 36,6 punti nel test MBPP (Mostly Basic Python Programming), un notevole miglioramento rispetto alla versione precedente. <\/p>\n

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

Gemma 2 2B sfida l'opinione comune secondo cui modelli linguistici pi\u00f9 grandi funzionano intrinsecamente meglio di quelli compatti. Le prestazioni di Gemma 2 2B dimostrano che tecniche di apprendimento complesse, l'efficienza dell'architettura e set di dati di alta qualit\u00e0 possono compensare una minore quantit\u00e0 di parametri. Sviluppare Gemma 2 2B evidenzia anche l'importanza crescente delle tecniche di compressione e distillazione dei modelli di IA. La capacit\u00e0 di compilare informazioni in modo efficace da modelli pi\u00f9 grandi a modelli pi\u00f9 piccoli apre la strada alla creazione di strumenti di IA pi\u00f9 accessibili, senza sacrificare le loro prestazioni.<\/p>\n

Google ha addestrato Gemma 2 2B su un vasto set di dati di 2 trilioni di token, utilizzando sistemi basati sui propri acceleratori IA proprietari TPU v5e. Il supporto per pi\u00f9 lingue amplifica il suo potenziale per l'applicazione in contesti globali. Il modello Gemma 2 2B \u00e8 open source. Ricercatori e sviluppatori possono accedere al modello tramite la piattaforma Hugging Face<\/a><\/noindex>. Supporta anche vari framework, tra cui PyTorch<\/a><\/noindex> e TensorFlow<\/a><\/noindex>.<\/p>\n

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