{"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\/pl\/blog\/news\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google zaprezentowa\u0142a kompaktowy model j\u0119zykowy Gemma 2 2B, kt\u00f3ry przewy\u017csza GPT 3.5 Turbo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Firma Google przedstawi\u0142a<\/a><\/noindex> Gemma 2 2B \u2014 kompaktowy, ale pot\u0119\u017cny model j\u0119zykowy sztucznej inteligencji (LLM), kt\u00f3ry mo\u017ce konkurowa\u0107 z liderami bran\u017cy, mimo znacznie mniejszych rozmiar\u00f3w. Nowy model j\u0119zykowy, zawieraj\u0105cy zaledwie 2,6 miliarda parametr\u00f3w, wykazuje wydajno\u015b\u0107 por\u00f3wnywaln\u0105 z du\u017co wi\u0119kszymi odpowiednikami, w tym OpenAI GPT-3.5 i Mistral AI Mixtral 8x7B.<\/p>\n

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

W te\u015bcie LMSYS Chatbot Arena, popularnej platformie online do por\u00f3wnawczego testowania i oceny jako\u015bci modeli sztucznej inteligencji, Gemma 2 2B zdoby\u0142a 1130 punkt\u00f3w. Ten wynik nieznacznie przewy\u017csza wyniki GPT-3.5-Turbo-0613 (1117 punkt\u00f3w) i Mixtral-8x7B (1114 punkt\u00f3w) \u2014 modeli dysponuj\u0105cych dziesi\u0119\u0107 razy wi\u0119ksz\u0105 liczb\u0105 parametr\u00f3w.<\/p>\n

\"Google <\/p>\n

Google informuje, \u017ce Gemma 2 2B zdoby\u0142a r\u00f3wnie\u017c 56,1 punktu w te\u015bcie MMLU (Massive Multitask Language Understanding) oraz 36,6 punktu w te\u015bcie MBPP (Mostly Basic Python Programming), co stanowi znaczn\u0105 popraw\u0119 w por\u00f3wnaniu do poprzedniej wersji. <\/p>\n

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

Gemma 2 2B podwa\u017ca powszechne przekonanie, \u017ce wi\u0119ksze modele j\u0119zykowe pierwotnie dzia\u0142aj\u0105 lepiej ni\u017c kompaktowe. Wydajno\u015b\u0107 Gemma 2 2B pokazuje, \u017ce skomplikowane metody uczenia, efektywno\u015b\u0107 architektury i wysokiej jako\u015bci zbiory danych mog\u0105 zrekompensowa\u0107 brak liczby parametr\u00f3w. Opracowanie Gemma 2 2B podkre\u015bla tak\u017ce rosn\u0105ce znaczenie metod kompresji i destylacji modeli AI. Mo\u017cliwo\u015b\u0107 efektywnego kompilowania informacji z wi\u0119kszych modeli do mniejszych otwiera mo\u017cliwo\u015bci tworzenia bardziej dost\u0119pnych narz\u0119dzi AI, nie rezygnuj\u0105c z ich wydajno\u015bci.<\/p>\n

Google wytrenowa\u0142o Gemma 2 2B na ogromnym zbiorze danych sk\u0142adaj\u0105cym si\u0119 z 2 bilion\u00f3w token\u00f3w, wykorzystuj\u0105c systemy oparte na w\u0142asnych akceleratorach AI TPU v5e. Wsparcie dla wielu j\u0119zyk\u00f3w poszerza jej potencja\u0142 zastosowa\u0144 w globalnych aplikacjach. Model Gemma 2 2B jest otwarto\u017ar\u00f3d\u0142owy. Badacze i deweloperzy mog\u0105 uzyska\u0107 dost\u0119p do modelu za po\u015brednictwem platformy Hugging Face<\/a><\/noindex>. Obs\u0142uguje r\u00f3wnie\u017c r\u00f3\u017cne frameworki, w tym PyTorch<\/a><\/noindex> i TensorFlow<\/a><\/noindex>.<\/p>\n

\u0179r\u00f3d\u0142o:<\/strong><\/p>\n