Gemm-AI一键生成PPT、文档

Gemma-AIGemm-AI，也称为Gemma，是一款基于Gemini研究和技术的开源AI模型。Gemma模型是一个轻量级的、最先进的模型家族，它们在语言理解、推理和安全性方面的学术基准测试中表现出色。Gemma模型有两种大小（20亿和70亿参数），并提供预训练和微调的检查点。在18个基于文本的任务中，Gemma在11个任务上胜过了类似大小的开源模型。此外，该论文还详细描述了模型开发，并对模型的安全性和责任方面进行了全面评估 2 。

Gemma也被描述为一个AI设计助手 1 。不过，由于无法访问Hugging Face网站的相关页面，我无法提供更多关于Gemma作为设计助手的详细信息。不过，从已有的信息来看，Gemma似乎是一个多功能的AI工具，既适用于学术研究，也可能有实际应用，如设计辅助。

Gemma是什么?

Gemma是谷歌最新发布的一款轻量级开放模型，它采用了与创建Gemini模型相同的研究和技术，是一个小尺寸的大语言模型。Gemma是由Google DeepMind和Google其他团队合作开发的，并用拉丁语中意为“宝石”的gemma为其命名。

Gemma共有两个版本:Gemma 2B(20亿参数)和Gemma 7B(70亿参数)，每种规模都提供了预训练和指令微调版本。这些模型尺寸相对较小，应用成本也更低，适合各种规模的组织(无论规模大小)进行商用和分发。未来，Gemma这个系列还会发布更大尺寸的模型。

在训练数据上，Gemma主要在大量英文文本数据上进行训练的，这些数据主要来源于网络文档、数学和代码。具体来说，Gemma2B模型训练了大约2万亿(2T)个token，而Gemma7B模型则训练了大约6万亿(6T)个token。

不过，Gemma没有接受过处理图像或视频等非文本数据的训练，也没有专门针对多语言任务进行优化。
为了方便开发者，谷歌不仅开源模型，还附带开发套装，包括全新的“负责任生成式AI工具包”，为基于Gemma开发安全的人工智能应用程序提供了必要指导和工具，以及跨主流框架(如JAX、PyTorch及原生Keras 3.0下的TensorFlow)的推理和监督微调(SFT)工具链。
各种设备也已经适配好。谷歌已经基于英伟达的GPUs和谷歌云TPUs等多个AI硬件平台，对Gemma进行优化，让模型可以直接在笔记本电脑或台式机上运行。

主要特点：

1.模型大小:

Gemma提供了两种大小的模型权重，分别是Gemma 2B和Gemma7B，每种大小都有预训练和指令调整(instruction-tuned)的变体。

2.负责任的生成AI工具包:

Google发布了一个新的工具包，提供指导和必要工具，帮助开发者使用Gemma创建更安全的AI应用。

3.工具链支持:

Gemma模型支持在所有主要框架(JAX、PyTorch和TensorFlow通过原生Keras 3.0)上进行推理和监督式微调(SFT)。

4.易用性:

提供了预制的Colab和Kaggle笔记本，以及与Hugging Face MaxText、NVIDIA NeMo TensorRT-LLM等流行工具的集成，使得开始使用Gemma变得容易。预训练和指令调整的Gemma模型可以在笔记本电脑、工作站或Google Cloud上运行，并且可以轻松部署在VertexAl和Google Kubernetes Engine (GKE)上。

5.性能优化:

Gemma模型在多个AI硬件平台上进行了优化，包括NVIDIA GPU和Google Cloud TPUs，确保了行业领先的性能。

6.负责任的设计:

Gemma在设计时遵循了Google的AI原则。为了确保预训练模型的安全和可靠性，Google使用了自动化技术从训练集中过滤掉某些个人信息和其他敏感数据。此外，通过人类反馈的强化学习(RLHF)对指令调整模型进行了广泛的微调，以确保模型行为的负责任性。Google还进行了包括手动红队测试、自动化对抗性测试和模型能力评估在内的严格评估。

7.跨框架、工具和硬件优化:

Gemma模型可以在多种工具和系统上进行微调，以适应特定应用需求，如摘要或检索增强生成(RAG)。Gemma支持多种工具和系统，包括跨设备兼容性和与NVIDIA GPU的优化。

8.免费资源

为了支持开发者和研究人员，Google提供了Kaggle的免费访问、Colab笔记本的免费层级，以及首次使用Google Cloud的300美元信用额度。研究人员还可以申请高达50万美元的Google Cloud信用额度以加速他们的项目。

Gemma官网入口:https://ai.google.dev/gemma