谷歌也來(lái)卷「小」模型了，一出手就是王炸，勝過(guò)了比自己參數(shù)多得多的GPT-3.5、Mixtral競(jìng)品模型。
今年 6 月底，谷歌開源了 9B、27B 版 Gemma 2 模型系列，并且自亮相以來(lái)，27B 版本迅速成為了大模型競(jìng)技場(chǎng) LMSYS Chatbot Arena 中排名最高的開放模型之一，在真實(shí)對(duì)話任務(wù)中比其兩倍規(guī)模以上的模型表現(xiàn)還要好。
如今，僅僅過(guò)去了一個(gè)多月，谷歌在追求負(fù)責(zé)任 AI 的基礎(chǔ)上，更加地考慮該系列模型的安全性和可訪問(wèn)性，并有了一系列新成果。
此次，Gemma 2 不僅有了更輕量級(jí)「Gemma 2 2B」版本，還構(gòu)建一個(gè)安全內(nèi)容分類器模型「ShieldGemma」和一個(gè)模型可解釋性工具「Gemma Scope」。具體如下：
- Gemma 2 2B 具有內(nèi)置安全改進(jìn)功能，實(shí)現(xiàn)了性能與效率的強(qiáng)大平衡；
- ShieldGemma 基于 Gemma 2 構(gòu)建，用于過(guò)濾 AI 模型的輸入和輸出，確保用戶安全；
- Gemma Scope 提供對(duì)模型內(nèi)部工作原理的無(wú)與倫比的洞察力。
其中，Gemma 2 2B 無(wú)疑是「最耀眼的仔」，它在大模型競(jìng)技場(chǎng) LMSYS Chatbot Arena 中的結(jié)果令人眼前一亮：僅憑 20 億參數(shù)就跑出了 1130 分，這一數(shù)值要高于 GPT-3.5-Turbo（0613）和 Mixtral-8x7b。
這也意味著，Gemma 2 2B 將成為端側(cè)模型的最佳選擇。
蘋果機(jī)器學(xué)習(xí)研究（MLR）團(tuán)隊(duì)研究科學(xué)家 Awni Hannun 展示了 Gemma 2 2B 跑在 iPhone 15 pro 上的情況，使用了 4bit 量化版本，結(jié)果顯示速度是相當(dāng)快。
視頻來(lái)源：https://x.com/awnihannun/status/1818709510485389563
此外，對(duì)于前段時(shí)間很多大模型都翻了車的「9.9 和 9.11 誰(shuí)大」的問(wèn)題，Gemma 2 2B 也能輕松拿捏。
圖源：https://x.com/tuturetom/status/1818823253634564134
與此同時(shí)，從谷歌 Gemma 2 2B 的強(qiáng)大性能也可以看到一種趨勢(shì)，即「小」模型逐漸擁有了與更大尺寸模型匹敵的底氣和效能優(yōu)勢(shì)。
這種趨勢(shì)也引起了一些業(yè)內(nèi)人士的關(guān)注，比如知名人工智能科學(xué)家、Lepton AI 創(chuàng)始人賈揚(yáng)清提出了一種觀點(diǎn)：大語(yǔ)言模型（LLM）的模型大小是否正在走 CNN 的老路呢？
在 ImageNet 時(shí)代，我們看到參數(shù)大小快速增長(zhǎng)，然后我們轉(zhuǎn)向了更小、更高效的模型。這是在 LLM 時(shí)代之前，我們中的許多人可能已經(jīng)忘記了。
- 大型模型的曙光：我們以 AlexNet（2012）作為基線開始，然后經(jīng)歷了大約 3 年的模型大小增長(zhǎng)。VGGNet（2014）在性能和尺寸方面都可稱為強(qiáng)大的模型。
- 縮小模型：GoogLeNet（2015）將模型大小從 GB 級(jí)縮小到 MB 級(jí)，縮小了 100 倍，同時(shí)保持了良好的性能。類似工作如 SqueezeNet（2015）和其他工作也遵循類似的趨勢(shì)。
- 合理的平衡：后來(lái)的工作如 ResNet（2015）、ResNeXT（2016）等，都保持了適中的模型大小。請(qǐng)注意，我們實(shí)際上很樂意使用更多的算力，但參數(shù)高效同樣重要。
- 設(shè)備端學(xué)習(xí)？MobileNet（2017）是谷歌的一項(xiàng)特別有趣的工作，占用空間很小，但性能卻非常出色。上周，我的一個(gè)朋友告訴我「哇，我們?nèi)匀辉谑褂?MobileNet，因?yàn)樗谠O(shè)備端具有出色的特征嵌入通用性」。是的，嵌入式嵌入是實(shí)實(shí)在在很好用。
最后，賈揚(yáng)清發(fā)出靈魂一問(wèn)，「LLM 會(huì)遵循同樣的趨勢(shì)嗎？」
