{"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\/sv\/blog\/news\/google-predstavila-kompaktnuyu-yazykovuyu-model-gemma-2-2b-kotoraya-prevoshodit-gpt-3-5-turbo","title":{"rendered":"Google har introducerat den kompakta spr\u00e5kmodellen Gemma 2 2B, som \u00f6vertr\u00e4ffar GPT 3.5 Turbo","gt_translate_keys":[{"key":"rendered","format":"text"}]},"content":{"rendered":"

Google har presenterat<\/a><\/noindex> Gemma 2 2B \u2014 en kompakt men kraftfull spr\u00e5kmodell f\u00f6r artificiell intelligens (LLM) som kan konkurrera med branschledarna, trots sin betydligt mindre storlek. Den nya spr\u00e5kmodellen, som inneh\u00e5ller endast 2,6 miljarder parametrar, visar prestanda som inte \u00e4r s\u00e4mre \u00e4n mycket st\u00f6rre motsvarigheter, inklusive OpenAI GPT-3.5 och Mistral AI Mixtral 8x7B.<\/p>\n

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

I LMSYS Chatbot Arena-testet, en popul\u00e4r online-plattform f\u00f6r j\u00e4mf\u00f6rande testning och utv\u00e4rdering av kvaliteten p\u00e5 AI-modeller, fick Gemma 2 2B 1130 po\u00e4ng. Detta resultat ligger n\u00e5got f\u00f6re resultaten f\u00f6r GPT-3.5-Turbo-0613 (1117 po\u00e4ng) och Mixtral-8x7B (1114 po\u00e4ng) \u2014 modeller som har tio g\u00e5nger s\u00e5 m\u00e5nga parametrar.<\/p>\n

\"Google <\/p>\n

Google rapporterar att Gemma 2 2B ocks\u00e5 fick 56,1 po\u00e4ng i MMLU-testet (Massive Multitask Language Understanding) och 36,6 po\u00e4ng i MBPP-testet (Mostly Basic Python Programming), vilket \u00e4r en betydande f\u00f6rb\u00e4ttring j\u00e4mf\u00f6rt med den f\u00f6reg\u00e5ende versionen. <\/p>\n

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

Gemma 2 2B ifr\u00e5gas\u00e4tter den allm\u00e4nt vedertagna uppfattningen att st\u00f6rre spr\u00e5kmodeller initialt presterar b\u00e4ttre \u00e4n kompaktare. Prestandan hos Gemma 2 2B visar att avancerade inl\u00e4rningstekniker, arkitekturens effektivitet och h\u00f6gkvalitativa datam\u00e4ngder kan kompensera f\u00f6r bristen p\u00e5 antal parametrar. Utvecklingen av Gemma 2 2B betonar ocks\u00e5 den v\u00e4xande betydelsen av metoder f\u00f6r komprimering och distillering av AI-modeller. M\u00f6jligheten att effektivt sammanst\u00e4lla information fr\u00e5n st\u00f6rre modeller till mindre \u00f6ppnar m\u00f6jligheter f\u00f6r att skapa mer tillg\u00e4ngliga AI-verktyg utan att offra prestanda.<\/p>\n

Google har tr\u00e4nat Gemma 2 2B p\u00e5 en enorm datam\u00e4ngd som best\u00e5r av 2 triljoner tokens, med hj\u00e4lp av system baserade p\u00e5 sina egna AI-acceleratorer TPU v5e. St\u00f6d f\u00f6r flera spr\u00e5k ut\u00f6kar dess potential f\u00f6r anv\u00e4ndning i globala till\u00e4mpningar. Modellen Gemma 2 2B har \u00f6ppen k\u00e4llkod. Forskare och utvecklare kan f\u00e5 tillg\u00e5ng till modellen via plattformen Hugging Face<\/a><\/noindex>. Den st\u00f6der ocks\u00e5 olika ramverk, inklusive PyTorch<\/a><\/noindex> och TensorFlow<\/a><\/noindex>.<\/p>\n

K\u00e4lla:<\/strong><\/p>\n