نماذج Gemma المفتوحة

مجموعة من النماذج الخفيفة والعصرية المفتوحة التي تم إنشاؤها من الأبحاث والتكنولوجيا نفسها المستخدمة في إنشاء نماذج Gemini

البدء
رمز التصميم بمسؤولية

مسؤولية التصميم

تتضمّن هذه النماذج تدابير سلامة شاملة، وتساعد في ضمان حلول الذكاء الاصطناعي المسؤولة والموثوقة من خلال مجموعات بيانات منظَّمة وأدوات تدقيق دقيقة.

رمز أداء غير مطابق

أداء غير مطابق من حيث الحجم

تحقّق نماذج Gemma نتائج قياس أداء استثنائية بأحجام 2B و7B و9B و27B، كما أنّها تتفوق في أدائها على بعض النماذج المفتوحة الأكبر حجمًا.

مرونة في إطار العمل

مرونة في إطار العمل

مع الإصدار 3.0 من Keras، يمكنك الاستفادة من توافق سلس مع JAX وTensorFlow وPyTorch، ما يمكّنك من اختيار أطر العمل وتبديلها بسهولة بناءً على مهمتك.

نقدّم لك
Gemma 2

تمت إعادة تصميم Gemma 2 للحصول على أداء فائق وكفاءة لا مثيل لها، وذلك لتوفير استنتاج فائق السرعة على أجهزة متنوعة.

تجربة Gemma 2 في Google AI Studio

5 لقطات

MMLU

معيار MMLU هو اختبار يقيس اتساع المعرفة والقدرة على حل المشكلات التي تكتسبها النماذج اللغوية الكبيرة أثناء التدريب المسبق.

25 لقطة

ARC-C

معيار ARC-c هو مجموعة فرعية أكثر تركيزًا من مجموعة بيانات ARC-e، ولا يحتوي إلا على الأسئلة التي تمت الإجابة عنها بشكل غير صحيح من خلال الخوارزميات الشائعة (قاعدة استرجاعية وظهور الكلمات).

5 لقطات

بروتوكول GSM8K

يختبر معيار GSM8K قدرة النموذج اللغوي على حل المسائل الرياضية في مرحلة التعليم المدرسي والتي غالبًا ما تتطلب خطوات متعددة من الاستنتاج.

3-5 لقطات

AGIEval

يختبر مقياس أداء AGIEval الذكاء العام لنموذج لغوي من خلال أسئلة مشتقة من اختبارات حقيقية مصممة لتقييم القدرات الفكرية البشرية.

3-shot، CoT

BBH

ويركز معيار BBH (BIG-Bench Hard) على المهام التي تفوق قدرات النماذج اللغوية الحالية، واختبار حدودها عبر مختلف مجالات الاستنتاج والفهم.

لقطة 3، F1

الانبطاح

DROP هو مقياس لفهم القراءة ويتطلب استنتاجًا منفصلاً على الفقرات.

5 لقطات

Winogrande

يختبر مقياس أداء Winogrande قدرة النموذج اللغوي على حل مهام ملء الفراغات الغامضة باستخدام الخيارات الثنائية، ما يتطلب استدلالًا منطقيًا عامًا.

10 لقطات

HellaSwag

يتحدى مقياس HellaSwag قدرة النموذج اللغوي على فهم وتطبيق المنطق السليم من خلال اختيار النهاية الأكثر منطقية للقصة.

4 لقطات

MATH

يقيّم MATH قدرة النموذج اللغوي على حل المسائل الكلامية الرياضية المعقدة، والتي تتطلب الاستنتاج وحل المشاكل متعدد الخطوات وفهم المفاهيم الرياضية.

0-لقطة

ARC-e

يختبر معيار ARC-e المهارات المتقدّمة للإجابة عن الأسئلة في النموذج اللغوي مع أسئلة علمية حقيقية من فئة خيارات متعددة على مستوى المدرسة الابتدائية.

0-لقطة

PIQA

يختبر مقياس أداء PIQA قدرة النموذج اللغوي على فهم المنطق السليم وتطبيقه من خلال الإجابة عن أسئلة حول التفاعلات الجسدية اليومية.

0-لقطة

SIQA

يقيّم معيار SIQA مدى فهم النموذج اللغوي للتفاعلات الاجتماعية والحس السليم الاجتماعي من خلال طرح أسئلة حول تصرفات الأشخاص وآثارها الاجتماعية.

0-لقطة

منطقية

يختبر مقياس أداء BoolQ قدرة النموذج اللغوي على الإجابة عن أسئلة نعم/لا تحدث بشكل طبيعي، كما يختبر قدرة النماذج على تنفيذ مهام استنتاج اللغة الطبيعية على أرض الواقع.

5 لقطات

TriviaQA

يختبر مقياس أداء TriviaQA مهارات فهم القراءة من خلال ثلاثة أضعاف الأدلة والأدلة على الأسئلة.

5 لقطات

NQ

يختبر مقياس قياس الأداء (NQ) قدرة النموذج اللغوي على إيجاد الإجابات وفهمها في مقالات ويكيبيديا كاملة، من خلال محاكاة سيناريوهات الإجابة على الأسئلة الواقعية.

Pass@1

HumanEval

يختبر معيار HumanEval قدرات إنشاء الرموز البرمجية في نموذج لغوي من خلال تقييم ما إذا كانت حلوله تجتاز اختبارات الوحدة الوظيفية لمشكلات البرمجة.

3 لقطات

MBPP

يختبر معيار MBPP قدرة النموذج اللغوي على حل المشكلات الأساسية لبرمجة بايثون، مع التركيز على مفاهيم البرمجة الأساسية والاستخدام القياسي للمكتبة.

100%

75%

50%

25%

0%

100%

75%

50%

25%

0%

جيما 1

2.5 مليار

42.3

جيما 2

2.6 مليار

51.3

Mistral

7 مليار

62.5

اللاما 3

8 مليار

66.6

جيما 1

7 مليار

64.4

جيما 2

9 مليار

71.3

جيما 2

27 مليار

75.2

جيما 1

2.5 مليار

48.5

جيما 2

2.6 مليار

55.4

Mistral

7 مليار

60.5

اللاما 3

8 مليار

59.2

جيما 1

7 مليار

61.1

جيما 2

9 مليار

68.4

جيما 2

27 مليار

71.4

جيما 1

2.5 مليار

15.1

جيما 2

2.6 مليار

23.9

Mistral

7 مليار

39.6

اللاما 3

8 مليار

45.7

جيما 1

7 مليار

51.8

جيما 2

9 مليار

68.6

جيما 2

27 مليار

74.0

جيما 1

2.5 مليار

24.2

جيما 2

2.6 مليار

30.6

Mistral

7 مليار

44.0

اللاما 3

8 مليار

45.9

جيما 1

7 مليار

44.9

جيما 2

9 مليار

52.8

جيما 2

27 مليار

55.1

جيما 1

2.5 مليار

35.2

جيما 2

2.6 مليار

41.9

Mistral

7 مليار

56.0

اللاما 3

8 مليار

61.1

جيما 1

7 مليار

59.0

جيما 2

9 مليار

68.2

جيما 2

27 مليار

74.9

جيما 1

2.5 مليار

48.5

جيما 2

2.6 مليار

52.0

Mistral

7 مليار

63.8

اللاما 3

8 مليار

58.4

جيما 1

7 مليار

56.3

جيما 2

9 مليار

69.4

جيما 2

27 مليار

74.2

جيما 1

2.5 مليار

66.8

جيما 2

2.6 مليار

70.9

Mistral

7 مليار

78.5

اللاما 3

8 مليار

76.1

جيما 1

7 مليار

79.0

جيما 2

9 مليار

80.6

جيما 2

27 مليار

83.7

جيما 1

2.5 مليار

71.7

جيما 2

2.6 مليار

73.0

Mistral

7 مليار

83

اللاما 3

8 مليار

82.0

جيما 1

7 مليار

82.3

جيما 2

9 مليار

81.9

جيما 2

27 مليار

86.4

جيما 1

2.5 مليار

11.8

جيما 2

2.6 مليار

15

Mistral

7 مليار

12.7

جيما 1

7 مليار

24.3

جيما 2

9 مليار

36.6

جيما 2

27 مليار

42.3

جيما 1

2.5 مليار

73.2

جيما 2

2.6 مليار

80.1

Mistral

7 مليار

80.5

جيما 1

7 مليار

81.5

جيما 2

9 مليار

88.0

جيما 2

27 مليار

88.6

جيما 1

2.5 مليار

77.3

جيما 2

2.6 مليار

77.8

Mistral

7 مليار

82.2

جيما 1

7 مليار

81.2

جيما 2

9 مليار

81.7

جيما 2

27 مليار

83.2

جيما 1

2.5 مليار

49.7

جيما 2

2.6 مليار

51.9

Mistral

7 مليار

47.0

جيما 1

7 مليار

51.8

جيما 2

9 مليار

53.4

جيما 2

27 مليار

53.7

جيما 1

2.5 مليار

69.4

جيما 2

2.6 مليار

72.5

Mistral

7 مليار

83.2

جيما 1

7 مليار

83.2

جيما 2

9 مليار

84.2

جيما 2

27 مليار

84.8

جيما 1

2.5 مليار

53.2

جيما 2

2.6 مليار

59.4

Mistral

7 مليار

62.5

جيما 1

7 مليار

63.4

جيما 2

9 مليار

76.6

جيما 2

27 مليار

83.7

جيما 1

2.5 مليار

12.5

جيما 2

2.6 مليار

16.7

Mistral

7 مليار

23.2

جيما 1

7 مليار

23.0

جيما 2

9 مليار

29.2

جيما 2

27 مليار

34.5

جيما 1

2.5 مليار

22.0

جيما 2

2.6 مليار

17.7

Mistral

7 مليار

26.2

جيما 1

7 مليار

32.3

جيما 2

9 مليار

40.2

جيما 2

27 مليار

51.8

جيما 1

2.5 مليار

29.2

جيما 2

2.6 مليار

29.6

Mistral

7 مليار

40.2

جيما 1

7 مليار

44.4

جيما 2

9 مليار

52.4

جيما 2

27 مليار

62.6

*في ما يلي مقاييس الأداء للنماذج المدرَّبة مسبقًا. يُرجى الاطّلاع على التقرير الفني للحصول على تفاصيل عن الأداء باستخدام أساليب أخرى.

الاطّلاع على التقرير الفني

مجموعة نماذج Gemma

إصدار جديد

جيما 2

توفّر Gemma 2 ثلاثة نماذج جديدة وقوية وفعّالة تتوفّر بأحجام 2 و9 و27 مليار معلَمة، بالإضافة إلى تقنيات مدمجة لتعزيز الأمان.

البدء

جيما 1

نماذج Gemma هي نماذج لغوية كبيرة خفيفة الوزن، وتحويلها إلى نص، وفك الترميز فقط، ويتم تدريبها على مجموعة بيانات ضخمة من النصوص والرموز والمحتوى الرياضي لمجموعة متنوعة من مهام معالجة اللغات الطبيعية.

البدء

RecurrentGemma

RecurrentGemma هو نموذج فريد من الناحية الفنية يستفيد من الشبكات العصبية المتكررة والعناية المحلية لتحسين كفاءة الذاكرة.

البدء

PaliGemma

PaliGemma هو نموذج لغة رؤية مفتوحة مستوحى من PaLI-3 مستعينًا بمعيارَي SigLIP وGemma اللذين تم تصميمهما ليكونا نموذجًا متعدد الاستخدامات لنقل البيانات إلى مجموعة واسعة من مهام لغة الرؤية.

البدء

CodeGemma

من خلال الاستفادة من أساس نماذج Gemma الأصلية المدرَّبة مسبقًا، يوفر CodeGemma إمكانات فعّالة لإكمال الرموز البرمجية وإنشائها بأحجام تناسب جهاز الكمبيوتر المحلي.

البدء

الاطّلاع على أدواتنا

رمز ShieldGemma

ShieldGemma

ShieldGemma هي حزمة من نماذج أدوات تصنيف محتوى الأمان التي تم إنشاؤها استنادًا إلى Gemma 2 لفلترة مدخلات ومخرجات نماذج الذكاء الاصطناعي (AI) والحفاظ على أمان المستخدم.

رمز نطاق Gemma

نطاق Gemma

توفّر Gemma Scope للباحثين شفافية غير مسبوقة في عمليات اتخاذ القرار لنماذج Gemma 2.

أدلة البدء السريع للمطوّرين

رمز Kaggle

استكشاف مشاريع البدء السريعة على Kaggle

قم بزيارة صفحة نماذج Kaggle للعثور على بدايات سريعة وأمثلة على التعليمات البرمجية ومناقشات لجيما.

فتح في Kaggle
رمز Google Cloud

التدريب والنشر على Google Cloud

تعمل Gemma 2 على نحو أفضل على Google Cloud، مع تحسين وحدة معالجة الموتّرات بشكل شامل لتحسين الأداء الرائد في السوق والتكلفة الإجمالية للملكية على Vertex.

الفتح في Vertex AI
رمز Google Colab

يمكنك تجربة تعديل التصنيف المنخفض باستخدام JAX عبر Keras 3.

تكييف نماذج Gemma مع نطاقك وبياناتك الفريدة باستخدام إطار العمل الخلفي الذي تختاره عبر Keras 3.

الفتح في Colab
الاطّلاع على جميع مشاريع البدء السريعة في المستندات عرض جميع مشاريع البدء السريعة

أدلة البدء السريع للشركاء

شعار وجه معانق

وجه يعانق

استخدِم Hugging Face Transformers وTRL لضبط المهام واستنتاجها بدقة باستخدام نماذج Gemma
شعار NVIDIA

NVIDIA

يمكنك ضبط نماذج Gemma بشكل دقيق باستخدام NVIDIA NeMo Organization، كما يمكنك تصديرها إلى TensorRT-LLM لإنتاجها.
شعار NVIDIA

LangChain

يوضِّح لك هذا الدليل التوجيهي كيفية بدء استخدام Gemma وLangChain في Google Cloud أو في بيئة Colab.
شعار NVIDIA

أي مقياس

توضِّح هذه المستندات كيفية استخدام Gemma عبر Anyscale Endpoint كنقاط نهاية لواجهة برمجة التطبيقات مُدارة بالكامل.
شعار NVIDIA

MongoDB

توضّح هذه المقالة كيفية الاستفادة من Gemma كنموذج أساسي في نظام أو مسار الجيل الذي يتم تعزيز استرجاعه.
شعار NVIDIA

الأوزان والانحيازات

يمكنك الاطّلاع على تفاصيل أدوات تسجيل النماذج والتشغيل في W&B من خلال مثال مفصَّل باستخدام نماذج Gemma المقدّمة من Google.

كتاب الطبخ الخاص بجيما

تعرَّف على مجموعة من الوصفات العملية والأمثلة التي تعرض مدى فعالية "جيما" وتنوّعها في مهام مثل إضافة شرح للصور باستخدام PaliGemma، وإنشاء الرموز البرمجية باستخدام CodeGemma، وإنشاء روبوتات دردشة مع نماذج Gemma المُحسَّنة.

الطهي

الوصول إلى نماذج Gemma اليوم

شعار Kaggle

نماذج Kaggle

الوصول إلى نماذج Gemma 2 على Kaggle
شعار Vertex AI

حديقة نموذج Vertex AI

تخصيص Gemma 2 باستخدام بياناتك
شعار وجه يتعانق

نماذج وجه معانقة

الوصول إلى Gemma وضبطها ونشرها

التطوير المسؤول للذكاء الاصطناعي

المسئولية حسب التصميم

تم تدريب التطبيق مسبقًا على البيانات المنظّمة بعناية وتم ضبطهما للحفاظ على السلامة.

تقييم قوي وشفاف

تكشف التقييمات الشاملة وإعداد التقارير الشفافة عن قيود النموذج لاعتماد نهج مسؤول لكل حالة استخدام.

تعزيز التطوير المسؤول

تساعد مجموعة أدوات الذكاء الاصطناعي التوليدي المسؤول المطوّرين على تصميم وتنفيذ أفضل ممارسات الذكاء الاصطناعي بشكل مسؤول.

استكشاف مجموعة أدوات الذكاء الاصطناعي التوليدي المسؤول
رمز Google Cloud

محسَّنة لخدمة Google Cloud

باستخدام نماذج Gemma المتوفّرة في Google Cloud، يمكنك تخصيص النموذج بشكلٍ كبير وفقًا لاحتياجاتك المحددة باستخدام أدوات Vertex AI المُدارة بالكامل أو خيار GKE المُدار ذاتيًا ونشره في بنية أساسية مرنة ومنخفضة التكلفة ومحسّنة باستخدام الذكاء الاصطناعي.

مزيد من المعلومات في مدونة Google Cloud

تسريع الأبحاث الأكاديمية باستخدام أرصدة Google Cloud

يمكنك تحسين مستوى أبحاثك باستخدام نماذج Gemma 2 في Google Cloud. ستعمل هذه الموجة الجديدة من النماذج المفتوحة على توسيع نطاق دعمنا لأحدث الأبحاث. يمكنك تقديم طلب الآن للحصول على أرصدة Google Cloud لتحسين أبحاثك والمساهمة في تطوير المجتمع العلمي.

وسيحصل باحثون محددون على أرصدة Google Cloud لتسريع مهامهم العلمية.

تقديم طلب الآن

انضم إلى المنتدى

يمكنك التواصل مع الآخرين في مجتمع نماذج تعلُّم الآلة وتصفّحها ومشاركتها.

Kaggle

يمكنك الوصول إلى بطاقة النموذج واستكشاف دفاتر الملاحظات التفاعلية والانضمام إلى مناقشات المنتدى.

رمز Kaggle الانضمام إلى Kaggle

Discord

يمكنك الدردشة ومشاركة الأفكار وإجراء اتصالات فورية على قناة Discord #gemma لمطوّري برامج Google.

رمز Discord الدردشة الآن

المدونة

اطّلِع على أحدث الأخبار والقصص المفصّلة عن تكنولوجيات الذكاء الاصطناعي من Google المخصّصة للمطوّرين.

رمز المدوّنة الانتقال إلى المدونة