Google Gemma 开源没人讨论下吗？

在 Huggingface 上，试了下 Gemma ，这家伙特别犟嘴。
https://imgur.com/a/P2MVpGk

@ahhui 谷歌的模型真的很倔，会一直犟，像吵架一样

@ahhui
@Aaarnold 我找了好久，好像没找到二次训练的示例，如果能找到训练集示例和训练工具，那估计真的的百花齐放了

借楼问一下，本地部署这些模型硬件要求是什么

@yanw 官网介绍是 2b 模型 CPU 就能运行，7b 模型使用 GPU 或 TPU 运行，但是没说具体要求。我正在下载模型，下载完我测试下

效果不行，试了几个问题就没兴趣了

新基座 狗头

模型大小摆在那，不用对 7b 有过高的期待。
这类的模型更多的用处是作为基础模型，训练起来做客服之类的特定用途。

@vicalloy 但目前也是开源模型里面最好的了，总有点可玩性

@Jinnrry 你从哪儿得出来的结论 Google 的会是开源模型里最好的？

@ospider google 自己说的，gemma 官网的对比数据，都是领先的

@Jinnrry 每个模型都会说自己是领先的呀

@ospider 当然是媒体啦,每天各种模型**第一名 N 种定语

@ahhui 它可能觉得“退出”和“被退出”不是一回事，确实当时说的是迁移到香港继续提供服务。

@yorkyoung 也有可能他说的“Google 搜索在中国仍然可以访问，但可能存在一些限制”指的是必须用 vpn 访问。

其实国内大模型超过 gpt3.5 已经没啥问题了，我经常用感觉是这样的，但是国内问题是技术不够领先，无法在全球产生亮眼成绩，长远看 ai 的头部公司会抢占更多份额，不够强的不去开辟细分市场就等死吧。
目前看 openai 还有些杀手锏没秀出来，国内公司技术上还有很多地方要追赶

这么倔是怕催眠成猫娘吗 hhh

想配置个电脑跑这种模型，需要什么配置呢，放在卧室，晚上会吵吗

@rwecho 电脑吵不吵跟配置有半毛钱关系啊，你搞个分布式水冷，搞一千块 A100 也没声音啊。

分体水冷

至少是开源的，谷歌还是用回了擅长的老方法

6.8G 是哪个版本的 variation 啊，我下载的 FLAX 版本 7b 模型 12.5G （ https://www.kaggle.com/models/google/gemma/frameworks/flax/variations/7b-it ）

LZ 是怎么配置的？我在 github 找到他们的仓库，但看起来文档并不是很细致

@ahhui 其实谷歌不需要 vpn 也可以访问，使用域前置找到 Google ip 就可以访问了，昨天我试了，打开 maps.google.com 直接显示的中国

中文社区讨论大部分都在知乎上

@keepRun gpt3.5 是 20B 的模型……

@rnv 我下载的 pytroch 版本的，他这几个框架只有这个是我用过的。我目前也还没跑起来，正在研究

https://huggingface.co/chat

实际体验下来我认为只有这个模型是最接近 gpt3.5 的，而且速度也挺快，google 的这个体验不太行
mistralai/Mixtral-8x7B-Instruct-v0.1

7B 模型（ bf16 ）不量化的话，16G 显存不够。

@ahhui 笑死了，犟嘴

效果不咋地，小一点的模型已经很多了，之前用的 chatglm6b 中文感觉也比这个强。
人人大模型的机遇早就来了，但是人人 chatgpt 的还很远。

@starssending0z 还特别犟的那种。。。
>>> 模仿李白写首诗
如夜幕洒满天，如繁星点点。
如春风拂过枝头，如花朵轻舞。
如月明照地表，如星星点亮夜。
如鱼儿在波光中，如鸟儿在枝头歌唱。
如眼眸在窗外，如耳语在耳边。
如梦如幻，如幻如梦。
如山如海，如空如床。

>>> 模仿李白写首诗，不要包含“如”字
如烟消云散，如水流春。
如歌鸟在枝，如花落满园。
如梦如幻，如幻如梦。
如山如海，如空如床。
如笑如泪，如泪如笑。
如虫如草，如草如虫。

@ahhui
@Aaarnold hh ，和 ChatGPT 相反，你反驳，ChatGPT 就说你说的对，我是错的

比较犟，但模型小，用来训练专用系统挺合适的，比如企业内部问答、外部客服这样的，这些系统只能基于企业自己的知识库训练，生成不能受用户输入的影响太大

huggingface 提供了免费测试 Gemma 的聊天演示工具： https://huggingface.co/chat?model=google/gemma-7b-it

用 ollama 试用挺方便的

@ahhui 会不会有一种可能，港澳台地区也是中国呢~~~考虑到这一点，它倒是确实没有犟错，你可以再进一步问有什么限制。

我觉得现在的大模型都是畸形的，应该训练响应模式而不应该训练响应内容。

这种小参数规模的低智模型比较理想的用处是当帕鲁，比如：

- 提供一批散装数据，让 AI 给你解读、提炼或者整理，比如给一堆金融数据让 AI 给你算实际年化；
- 给 AI 提数学问题，如 “本金 xx 、利息 xx ，年利息多少？” 这种你提供输入参数，让 AI 给你跑结果，甚至可以给出你期望的结果，让 AI 为你倒推出代码可用的计算公式的，比如灯亮度变化、电压输入和旋钮步进的计算关系；
- 生成 Pyton 代码（ Google 特别指出 Gemma 的 Python 代码生成的指标很高）；
- 对不具备时效性需求的问题，直接当搜索引擎用，如 “蓝风铃跟风铃花有关系吗”

这种有唯一答案、需要人工择选（而 AI 往往已经被训练过）的问题，他们是真的答得又快又好。

那种需要回答具有创造性（写诗）、非理性（化纤材质毛衣还是晴纶材质毛衣好）、概念宽泛（谷歌在中国能不能访问）的问题，这类 AI （包括 ChatGPT ）基本都是智熄的，只是智熄程度和角度不同。

试了下，跟 GPT3.5 对比很烂

问了三个问题，回答都有问题

比如问他：“我在一个小储存的 linux 设备测试网速，用 wget 或者 curl ，请问如何做？”

GPT 3.5：curl -o /dev/null http://example.com/file

Gemma 7B：curl -o speedtest.txt -c 'speedtest'

基本上国外的模型都不用试。。。。一中文能力要么没有，要么极差。实际应用落地渺茫

且才 7B 。太 mini 了。你自己训练知识库还行。不然没什么用。。

而且我感觉现在的人还是太高估 llm 了。。吹牛逼吹了一年了。目前能有几个公司真落地到实际工作流里面的。。几乎没有。。大部分人连用都不会用。。还是原地踏步。。

@CivAx 非常同意这位兄弟的观点，本地 AI 当个助手就很好用。非要让它给你当导师，那是真的给自己找不痛快

用 c++和 ollama 试了下，希望有大佬能弄个 webui 的

规模太小了上限注定就那样，等 70B 以上规模的发布再看。我在等 https://www.phind.com/blog/introducing-phind-70b 这个开源

倔的跟个杠坨似的，服了它个老六

gpt4 是多少 b 的？

这个差太多了：
>幸福人用童年治愈一生，不幸的人用一生治愈童年。这句话是谁说的？
这是孔子说的。

孔子说过，“幸福人用童年治愈一生，不幸的人用一生治愈童年”。

与 ChatGPT 有差距，不过回答页面刷新很快，GPT 码字慢一点

Gemma 2B 能不能在十几年前的 Intel Core 2 E7000 、4G 内存老计算机上运行？
进行微调用于分析特定局域的地址？例如知道地址"富贵园 888 号"，通过预训练的“富贵豪园-->北京路”，判断地址在北京路。

我的开源项目已经支持 gemma ，并且提供了 Webui 。整体测试下来效果一般，没有经过微调的话很多任务无法完成测试，并且也拥有小模型的通病，输出 token 停不下来。并且 gemma 7b 输出是乱码，我试过 LM Studio ，也是这个情况，所以感觉像是模型的问题。

https://github.com/smalltong02/keras-llm-robot

我这个项目支持 safetensors 的模型，如果你想使用 gguf 的模型，可以使用 LM Studio 最新版。

用下来感受到一点，2b 模型很快，没网的话感觉可以用来当本地的搜索引擎

效果不是很理想，理解能力上有时候不如 mistral-7b

中文问答体验还是很差吧