小男孩‘自慰网亚洲一区二区,亚洲一级在线播放毛片,亚洲中文字幕av每天更新,黄aⅴ永久免费无码,91成人午夜在线精品,色网站免费在线观看,亚洲欧洲wwwww在线观看

搜索
分享

全球最強開源大模型一夜易主！谷歌Gemma 7B碾壓Llama 2 13B，今夜重燃開源之戰(zhàn)

 天承辦公室 2024-02-22 發(fā)布于北京

Image

  新智元報道  

編輯：編輯部
【新智元導(dǎo)讀】谷歌發(fā)布全球最強開源大模型Gemma，7B性能超越Llama 2 13B！谷歌和OpenAI，已經(jīng)卷出了新高度。這輪番放深夜炸彈的頻率，讓人不得不懷疑雙方都已經(jīng)攢了一堆大的。

一聲炸雷深夜炸響，谷歌居然也開源LLM了？！
Image
這次，重磅開源的Gemma有2B和7B兩種規(guī)模，并且采用了與Gemini相同的研究和技術(shù)構(gòu)建。
Image
有了Gemini同源技術(shù)的加持，Gemma不僅在相同的規(guī)模下實現(xiàn)SOTA的性能。
而且更令人印象深刻的是，還能在關(guān)鍵基準上越級碾壓更大的模型，比如Llama 2 13B。
Image
與此同時，谷歌還放出了16頁的技術(shù)報告。

Image

技術(shù)報告地址：https://storage./deepmind-media/gemma/gemma-report.pdf
谷歌表示，Gemma這個名字源自拉丁語「gemma」，也就是「寶石」的意思，似乎是在象征著它的珍貴性。
歷史上，Transformers、TensorFlow、BERT、T5、JAX、AlphaFold和AlphaCode，都是谷歌為開源社區(qū)貢獻的創(chuàng)新。

Image

谷歌：今天我就來給你表演一個什么是Open AI
而谷歌今天在全球范圍內(nèi)同步推出的Gemma，必然會再一次掀起構(gòu)建開源AI的熱潮。
同時也坐實了OpenAI「唯一ClosedAI」的名頭。
OpenAI最近剛因為Sora火到爆，Llame據(jù)稱也要有大動作，谷歌這就又搶先一步。硅谷大廠，已經(jīng)卷翻天了！

Image

谷歌：開源閉源我全都要
Hugging Face CEO也跟帖祝賀。
Image
還貼出了Gemma登上Hugging Face熱榜的截圖。
Image
Keras作者Fran?ois Chollet直言：最強開源大模型，今日易主了。
Image
有網(wǎng)友已經(jīng)親自試用過，表示Gemma 7B真是速度飛快。
谷歌簡直是用Gemini拳打GPT-4，用Gemma腳踢Llama 2！
Image
網(wǎng)友們也是看熱鬧不嫌事大，召喚Mistral AI和OpenAI今晚趕快來點大動作，別讓谷歌真的搶了頭條。（手動狗頭）
Image

同規(guī)模刷新SOTA，越級單挑Llama 2 13B

可以看到，Gemma-7B模型在涵蓋一般語言理解、推理、數(shù)學(xué)和編碼的8項基準測試中，性能已經(jīng)超越了Llama 2 7B和13B！
Image
并且，它也超越了Mistral 7B模型的性能，尤其是在數(shù)學(xué)、科學(xué)和編碼相關(guān)任務(wù)中。
Image
在安全性方面，經(jīng)過指令微調(diào)的Gemma-2B IT和 Gemma-7B IT模型，在人類偏好評估中都超過了Mistal-7B v0.2模型。
特別是Gemma-7B IT模型，它在理解和執(zhí)行具體指令方面，表現(xiàn)得更加出色。
Image

一整套工具：跨框架、工具和硬件進行優(yōu)化

這次，除了模型本身，谷歌還提供了一套工具幫助開發(fā)者，確保Gemma模型負責(zé)任的使用，幫助開發(fā)者用Gemma構(gòu)建更安全的AI應(yīng)用程序。
- 谷歌為JAX、PyTorch和TensorFlow提供了完整的工具鏈，支持模型推理和監(jiān)督式微調(diào)（SFT），并且完全兼容最新的Keras 3.0。
- 通過預(yù)置的Colab和Kaggle notebooks，以及與Hugging Face、MaxText、NVIDIA NeMo和TensorRT-LLM等流行工具的集成，用戶可以輕松開始探索Gemma。
- Gemma模型既可以在個人筆記本電腦和工作站上運行，也可以在Google Cloud上部署，支持在Vertex AI和Google Kubernetes Engine (GKE) 上的簡易部署。
- 谷歌還對Gemma進行了跨平臺優(yōu)化，確保了它在NVIDIA GPU和Google Cloud TPU等多種AI硬件上的卓越性能。
并且，使用條款為所有組織提供了負責(zé)任的商業(yè)使用和分發(fā)權(quán)限，不受組織規(guī)模的限制。
Image

但，沒有全勝

不過，Gemma并沒有能夠在所有的榜單中，都拿下SOTA。
在官方放出的評測中，Gemma 7B在MMLU、HellaSwag、SIQA、CQA、ARC-e、HumanEval、MBPP、GSM8K、MATH和AGIEval中，成功擊敗了Llama 2 7B和13B模型。
Image
Image
Image
Image
Image
Image
Image
Image
Image
Image
左右滑動查看
相比之下，Gemma 7B在Boolq測試中，只與Mistral 7B打了個平手。
Image
而在PIQA、ARC-c、Winogrande和BBH中，則不敵Mistral 7B。
Image
Image
Image
Image
左右滑動查看
在OBQA和trivalent QA中，更是同時被7B和13B規(guī)模的Llama 2 7B斬于馬下。
Image
Image

技術(shù)報告

谷歌這次發(fā)布的兩個版本的Gemma模型，70 億參數(shù)的模型用于GPU和TPU上的高效部署和開發(fā)，20億參數(shù)的模型用于CPU和端側(cè)應(yīng)用程序。
在18個基于文本的任務(wù)中的11個中，Gemma都優(yōu)于相似參數(shù)規(guī)模的開源模型，例如問答、常識推理、數(shù)學(xué)和科學(xué)、編碼等任務(wù)。
模型架構(gòu)方面，Gemma在Transformer的基礎(chǔ)上進行了幾項改進，從而在處理復(fù)雜任務(wù)時能夠展現(xiàn)出更加出色的性能和效率。
- 多查詢注意力機制
其中，7B模型采用了多頭注意力機制，而2B模型則使用了多查詢注意力機制。結(jié)果顯示，這些特定的注意力機制能夠在不同的模型規(guī)模上提升性能。
- RoPE嵌入
與傳統(tǒng)的絕對位置嵌入不同，模型在每一層都使用了旋轉(zhuǎn)位置嵌入技術(shù)，并且在模型的輸入和輸出之間共享嵌入，這樣做可以有效減少模型的大小。
- GeGLU激活函數(shù)
將標準的ReLU激活函數(shù)替換成GeGLU激活函數(shù)，可以提升模型的表現(xiàn)。
- 歸一化化位置（Normalizer Location）
每個Transformer子層的輸入和輸出都進行了歸一化處理。這里采用的是RMSNorm作為歸一化層，以確保模型的穩(wěn)定性和效率。
架構(gòu)的核心參數(shù)如下：
Image
兩種規(guī)模的參數(shù)如下：
Image

預(yù)訓(xùn)練

訓(xùn)練數(shù)據(jù)

Gemma 2B和7B分別針對來自網(wǎng)絡(luò)文檔、數(shù)學(xué)和代碼的主要英語數(shù)據(jù)的2T和6Ttoken，進行了訓(xùn)練。
與Gemini不同，這些模型不是多模態(tài)的，也沒有針對多語言任務(wù)的SOTA進行訓(xùn)練。
谷歌使用了Gemini的SentencePiece分詞器的子集，來實現(xiàn)兼容性。

指令微調(diào)

團隊對Gemma 2B和7B模型進行了微調(diào)，包括有監(jiān)督的微調(diào)（SFT）和基于人類反饋的強化學(xué)習(xí)（RLHF）。
在有監(jiān)督的微調(diào)階段，研究者使用了一個由純文本、英文、由人工和機器生成的問題-答案對組成的數(shù)據(jù)集。
在強化學(xué)習(xí)階段，則是使用了一個基于英文偏好數(shù)據(jù)訓(xùn)練出的獎勵模型，以及一套精心挑選的高質(zhì)量提示作為策略。
研究者發(fā)現(xiàn)，這兩個階段對于提升模型在自動評估和人類偏好評估中的表現(xiàn)，至關(guān)重要。

監(jiān)督微調(diào)

研究者根據(jù)基于LM的并行評估，選擇了數(shù)據(jù)混合物進行監(jiān)督微調(diào)。
給定一組保留prompt，研究者會從測試模型中生成響應(yīng)，從基準模型中生成對相同提示的響應(yīng)，隨機洗牌，然后要求一個更大、能力更強的模型在兩種響應(yīng)之間表達偏好。
研究者構(gòu)建了不同的提示集，以突出特定的能力，如遵循指令、實事求是、創(chuàng)造性和安全性。
我們使用了不同的基于LM的自動評委，采用了一系列技術(shù)，如思維鏈提示、使用評分標準和章程等，以便與人類偏好保持一致。

RLHF

研究者進一步利用來自人類反饋的強化學(xué)習(xí)（RLHF），對已經(jīng)進行過有監(jiān)督微調(diào)的模型進行了優(yōu)化。
他們從人類評估者那里收集他們的偏好選擇，并在 Bradley-Terry 模型的基礎(chǔ)上，訓(xùn)練了一個獎勵函數(shù)，這與Gemini項目的做法相似。
研究者采用了一個改進版的REINFORCE算法，加入了 Kullback–Leibler 正則化項，目的是讓策略優(yōu)化這個獎勵函數(shù)，同時保持與最初調(diào)整模型的一致性。
與之前的有監(jiān)督微調(diào)階段相似，為了調(diào)整超參數(shù)并進一步防止獎勵機制被濫用，研究者使用了一個高性能模型作為自動評估工具，并將其與基準模型進行了直接對比。

性能評估

自動評估

谷歌在多個領(lǐng)域?qū)emma進行了性能評估，包括物理和社會推理、問答、編程、數(shù)學(xué)、常識推理、語言建模、閱讀理解等。
Gemma2B和7B模型與一系列學(xué)術(shù)基準測試中的多個外部開源大語言模型進行了比較。
在MMLU基準測試中，Gemma 7B模型不僅超過了所有規(guī)模相同或更小的開源模型，還超過了一些更大的模型，包括Llama 2 13B。
Image
然而，基準測試的制定者評估人類專家的表現(xiàn)為89.8%，而Gemini Ultra是首個超越此標準的模型，這表明Gemma在達到Gemini和人類水平的性能上，還有很大的提升空間。
并且，Gemma模型在數(shù)學(xué)和編程的基準測試中表現(xiàn)尤為突出。
在通常用于評估模型分析能力的數(shù)學(xué)任務(wù)中，Gemma 模型在GSM8K和更具挑戰(zhàn)性的 MATH基準測試上至少領(lǐng)先其他模型10分。
同樣，在HumanEval上，它們至少領(lǐng)先其他開源模型6分。
Gemma甚至在MBPP上超過了專門進行代碼微調(diào)的CodeLLaMA 7B模型的性能（CodeLLaMA得分為41.4%，而 Gemma 7B得分為44.4%）。

記憶評估

近期研究發(fā)現(xiàn)，即便是經(jīng)過精心對齊的人工智能模型，也可能遭受新型對抗攻擊，這種攻擊能夠規(guī)避現(xiàn)有的對齊措施。
這類攻擊有可能使模型行為異常，有時甚至?xí)?dǎo)致模型重復(fù)輸出它在訓(xùn)練過程中記住的數(shù)據(jù)。
因此，研究者專注于研究模型的「可檢測記憶」能力，這被認為是評估模型記憶能力的一個上限，并已在多項研究中作為通用定義。
研究者對Gemma預(yù)訓(xùn)練模型進行了記憶測試。
具體來說，他們從每個數(shù)據(jù)集中隨機選擇了10,000篇文檔，并使用文檔開頭的50個詞元作為模型的prompt。
測試重點是精確記憶，即如果模型能夠基于輸入，精確地生成接下來的50token，與原文完全一致，便認為模型「記住了」這段文本。
此外，為了探測模型是否能夠以改寫的形式記憶信息，研究者還測試了模型的「近似記憶」能力，即允許在生成的文本和原文之間存在最多10%的編輯差距。
在圖2中，是Gemma的測試結(jié)果與體量相近的PaLM和PaLM 2模型的對比。
Image
可以發(fā)現(xiàn)，Gemma的記憶率明顯更低（見圖2左側(cè)）。
不過，通過對整個預(yù)訓(xùn)練數(shù)據(jù)集的「總記憶量」進行估算，可得一個更為準確的評估結(jié)果（見圖2右側(cè)）：Gemma在記憶訓(xùn)練數(shù)據(jù)方面的表現(xiàn)與PaLM相當(dāng)。
個人信息的記憶化問題尤為關(guān)鍵。如圖3所示，研究者并未發(fā)現(xiàn)有記憶化的敏感信息。
Image
雖然確實發(fā)現(xiàn)了一些被歸類為「個人信息」的數(shù)據(jù)被記憶，但這種情況發(fā)生的頻率相對較低。
而且這些工具往往會產(chǎn)生許多誤報（因為它們僅通過匹配模式而不考慮上下文），這意味著研究者發(fā)現(xiàn)的個人信息量可能被高估了。

總結(jié)討論

總的來說，Gemma模型在對話、邏輯推理、數(shù)學(xué)和代碼生成等多個領(lǐng)域，都有所提升。
在MMLU（64.3%）和MBPP（44.4%）的測試中，Gemma不僅展現(xiàn)了卓越的性能，還顯示了開源大語言模型性能進一步提升的空間。
除了在標準測試任務(wù)上取得的先進性能，谷歌也期待與社區(qū)共同推動這一領(lǐng)域的發(fā)展。
Gemma從Gemini模型計劃中學(xué)到了很多，包括編碼、數(shù)據(jù)處理、架構(gòu)設(shè)計、指令優(yōu)化、基于人類反饋的強化學(xué)習(xí)以及評估方法。
同時，谷歌再次強調(diào)使用大語言模型時存在的一系列限制。
盡管在標準測試任務(wù)上表現(xiàn)優(yōu)異，但要創(chuàng)建出既穩(wěn)定又安全、能夠可靠執(zhí)行預(yù)期任務(wù)的模型，還需要進一步的研究，包括確保信息的準確性、模型的目標對齊、處理復(fù)雜邏輯推理，以及增強模型對惡意輸入的抵抗力。
團隊表示，正如Gemini所指出的，需要更具挑戰(zhàn)性和魯棒性的測試基準。

團隊成員

核心貢獻者：
Image
其他貢獻者：
Image
產(chǎn)品經(jīng)理、項目經(jīng)理、執(zhí)行贊助、負責(zé)人和技術(shù)負責(zé)人：
Image

參考資料：
https://ai.v/gemma/

Image

Image

    本站是提供個人知識管理的網(wǎng)絡(luò)存儲空間，所有內(nèi)容均由用戶發(fā)布，不代表本站觀點。請注意甄別內(nèi)容中的聯(lián)系方式、誘導(dǎo)購買等信息，謹防詐騙。如發(fā)現(xiàn)有害或侵權(quán)內(nèi)容，請點擊一鍵舉報。
    轉(zhuǎn)藏 分享 獻花（0）

    0條評論

    發(fā)表

    請遵守用戶 評論公約

    類似文章