{"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\/nl\/blog\/news\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google heeft het compacte taamodel Gemma 2 2B gepresenteerd, dat GPT 3.5 Turbo overtrof.","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Google heeft ge\u00efntroduceerd<\/a><\/noindex> Gemma 2 2B \u2014 een compacte maar krachtige taalmodel van kunstmatige intelligentie (LLM), dat kan concurreren met de marktleiders, ondanks zijn aanzienlijk kleinere formaat. Dit nieuwe taalmodel, met slechts 2,6 miljard parameters, toont prestaties die niet onderdoen voor veel grotere alternatieven, zoals OpenAI GPT-3.5 en Mistral AI Mixtral 8x7B.<\/p>\n

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

In de LMSYS Chatbot Arena-test, een populaire online platform voor vergelijkende tests en evaluatie van de kwaliteit van modellen voor kunstmatige intelligentie, behaalde Gemma 2 2B 1130 punten. Dit resultaat ligt net boven dat van GPT-3.5-Turbo-0613 (1117 punten) en Mixtral-8x7B (1114 punten) \u2014 modellen die tien keer zoveel parameters hebben.<\/p>\n

\"Google <\/p>\n

Google meldt dat Gemma 2 2B ook 56,1 punten behaalde in de MMLU (Massive Multitask Language Understanding) test en 36,6 punten in de MBPP (Mostly Basic Python Programming) test, wat een significante verbetering is ten opzichte van de vorige versie. <\/p>\n

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

Gemma 2 2B daagt de gangbare opvatting uit dat grotere taalmodellen in de basis beter presteren dan compacte. De prestaties van Gemma 2 2B tonen aan dat complexe leermethodes, architecturale effici\u00ebntie en hoogwaardige datasets het gebrek aan aantal parameters kunnen compenseren. De ontwikkeling van Gemma 2 2B benadrukt ook het groeiende belang van compressie- en distillatiemethoden voor AI-modellen. De mogelijkheid om effectief informatie uit grotere modellen in kleinere te compenseren opent de deur naar de creatie van meer toegankelijke AI-tools zonder in te boeten op prestaties.<\/p>\n

Google heeft Gemma 2 2B getraind op een enorme dataset van 2 biljoen tokens, gebruikmakend van systemen op basis van hun eigen AI-versnellers TPU v5e. Meertalige ondersteuning vergroot het potentieel voor toepassing in wereldwijde applicaties. Het model Gemma 2 2B is open source. Onderzoekers en ontwikkelaars kunnen toegang krijgen tot het model via het platform Hugging Face<\/a><\/noindex>. Het ondersteunt ook verschillende frameworks, waaronder PyTorch<\/a><\/noindex> en TensorFlow<\/a><\/noindex>.<\/p>\n

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