Gemma是什么

Gemma是由谷歌DeepMind和谷歌的其他團隊開發(fā)的一系列輕量級、先進的開放AI模型，基于與Gemini模型相同的技術，旨在幫助開發(fā)者和研究人員構建負責任的AI應用。Gemma模型系列包括兩種權重規(guī)模的模型：Gemma 2B 和 Gemma 7B，提供預訓練和指令微調版本，支持多種框架，如JAX、PyTorch和TensorFlow，以在不同設備上高效運行。6月28日，第二代模型Gemma 2已發(fā)布，大家快來奇想AI導航網！

Gemma的官方入口

• Gemma的官網主頁：https://ai.google.dev/gemma?hl=zh-cn
• Gemma的Hugging Face模型：https://huggingface.co/models?search=google/gemma
• Gemma的Kaggle模型地址：https://www.kaggle.com/models/google/gemma/code/
• Gemma的技術報告：https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf
• 官方PyTorch實現GitHub代碼庫：https://github.com/google/gemma_pytorch
• Gemma的Google Colab運行地址：https://colab.research.google.com/github/google/generative-ai-docs/blob/main/site/en/gemma/docs/lora_tuning.ipynb

Gemma的主要特性

• 輕量級架構：Gemma模型設計為輕量級，便于在多種計算環(huán)境中運行，包括個人電腦和工作站。
• 開放模型：Gemma模型的權重是開放的，允許用戶在遵守許可協(xié)議的情況下進行商業(yè)使用和分發(fā)。
• 預訓練與指令微調：提供預訓練模型和經過指令微調的版本，后者通過人類反饋強化學習（RLHF）來確保模型行為的負責任性。
• 多框架支持：Gemma支持JAX、PyTorch和TensorFlow等主要AI框架，通過Keras 3.0提供工具鏈，簡化了推理和監(jiān)督微調（SFT）過程。
• 安全性與可靠性：在設計時，Gemma遵循Google的AI原則，使用自動化技術過濾訓練數據中的敏感信息，并進行了一系列安全評估，包括紅隊測試和對抗性測試。
• 性能優(yōu)化：Gemma模型針對NVIDIA GPU和Google Cloud TPUs等硬件平臺進行了優(yōu)化，確保在不同設備上都能實現高性能。
• 社區(qū)支持：Google提供了Kaggle、Colab等平臺的免費資源，以及Google Cloud的積分，鼓勵開發(fā)者和研究人員利用Gemma進行創(chuàng)新和研究。
• 跨平臺兼容性：Gemma模型可以在多種設備上運行，包括筆記本電腦、臺式機、物聯(lián)網設備和云端，支持廣泛的AI功能。
• 負責任的AI工具包：Google還發(fā)布了Responsible Generative AI Toolkit，幫助開發(fā)者構建安全和負責任的AI應用，包括安全分類器、調試工具和應用指南。

Gemma的技術要點

• 模型架構：Gemma基于Transformer解碼器構建，這是當前自然語言處理（NLP）領域最先進的模型架構之一。采用了多頭注意力機制，允許模型在處理文本時同時關注多個部分。此外，Gemma還使用了旋轉位置嵌入（RoPE）來代替絕對位置嵌入，以減少模型大小并提高效率。GeGLU激活函數取代了標準的ReLU非線性激活，以及在每個Transformer子層的輸入和輸出都進行了歸一化處理。
• 訓練基礎設施：Gemma模型在Google的TPUv5e上進行訓練，這是一種專為機器學習設計的高性能計算平臺。通過在多個Pod（芯片集群）上進行模型分片和數據復制，Gemma能夠高效地利用分布式計算資源。
• 預訓練數據：Gemma模型在大量英語數據上進行預訓練（2B模型大約2萬億個token的數據上預訓練，而7B模型則基于6萬億個token），這些數據主要來自網絡文檔、數學和代碼。預訓練數據經過過濾，以減少不想要或不安全的內容，同時確保數據的多樣性和質量。
• 微調策略：Gemma模型通過監(jiān)督式微調（SFT）和基于人類反饋的強化學習（RLHF）進行微調。這包括使用合成的文本對和人類生成的提示響應對，以及基于人類偏好數據訓練的獎勵模型。
• 安全性和責任：Gemma在設計時考慮了模型的安全性和責任，包括在預訓練階段對數據進行過濾，以減少敏感信息和有害內容的風險。此外，Gemma還通過了一系列的安全性評估，包括自動化基準測試和人類評估，以確保模型在實際應用中的安全性。
• 性能評估：Gemma在多個領域進行了廣泛的性能評估，包括問答、常識推理、數學和科學問題解答以及編碼任務。Gemma模型與同樣規(guī)?；蚋笠?guī)模的開放模型進行了性能對比，在MMLU、MBPP等18個基準測試中，有11個測試結果超越了Llama-13B或Mistral-7B等模型。
• 開放性和可訪問性：Gemma模型以開源的形式發(fā)布，提供了預訓練和微調后的檢查點，以及推理和部署的開源代碼庫。這使得研究人員和開發(fā)者能夠訪問和利用這些先進的語言模型，推動AI領域的創(chuàng)新。