Gemma 3 is coming! https://storage.googleapis.com/deepmind-media/gemma/Gemma3Report.pdf We introduce Gemma 3, a multimodal addition to the Gemma family of lightweight open models, ranging in scale from 1 to 27 billion parameters. This version introduces vision understanding abilities, a wider coverage of languages and longer context – at least 128K tokens. We also change the architecture of the model to reduce the KV-cache memory that tends to explode with long context. This is achieved by increasing the ratio of local to global attention layers, and keeping the span on local attention short. The Gemma 3 models are trained with distillation and achieve superior performance to Gemma 2 for both pre-trained and instruction finetuned versions. In particular, our novel post-training recipe significantly improves the math, chat, instruction-following and multilingual abilities, making Gemma3- 4B-IT competitive with Gemma2-27B-IT and Gemma3-27B-IT comparable to Gemini-1.5-Pro across benchmarks. We release all our models to the community.
Gemma 3 is coming! https://storage.googleapis.com/deepmind-media/gemma/Gemma3Rep…
Из этого канала
- #3447Особенно приятно, что модель наконец мультиязычная, это был мой главный…
Особенно приятно, что модель наконец мультиязычная, это был мой главный фичареквест в команду Джеммы начиная с первой версии.
- #3455Ну в общем публичного списка языков реально нет, и это очень печально. В…
Ну в общем публичного списка языков реально нет, и это очень печально. В остальном мультиязычность выглядит очень интересно.
- #3456Визуально про архитектуру Gemma 3 и некоторые другие интересные вещи
Визуально про архитектуру Gemma 3 и некоторые другие интересные вещи
- #3444Я помню как на NIPS 2016 (?) в Барселоне во время доклада Гудфеллоу про GAN…
Я помню как на NIPS 2016 (?) в Барселоне во время доклада Гудфеллоу про GAN вылез Шмидхубер с обычным комментарием про то, что всё, включая GAN, изобретено им.
- #3442AI Scientist-v2 от Sakana (первую версию упоминали тут) создал статью, которая…
AI Scientist-v2 от Sakana (первую версию упоминали тут) создал статью, которая прошла пир ревью на воркшоп ICLR.