Na postagem anterior da série Explicação sobre o Gemma, discutimos a arquitetura do Gemma. Nesta postagem, você conhecerá o modelo mais recente, o Gemma 2. Vamos começar!
Recentemente, lançamos o Gemma 2, nosso inovador pacote de modelos abertos, estabelecendo um novo padrão de desempenho e acessibilidade. Disponível nos tamanhos de parâmetro 2B, 9B e 27B, o Gemma 2 já deixou a sua marca. Nosso modelo 27B subiu rapidamente no placar do LMSYS Chatbot Arena, superando até mesmo os modelos populares com mais do que o dobro de seu tamanho em conversas envolventes do mundo real, estabelecendo-se como um dos modelos abertos mais úteis e mais bem avaliados. Enquanto isso, o modelo Gemma 2 2B demonstra sua excepcional proeza de IA de conversação, superando todos os modelos GPT-3.5 no Chatbot Arena em um tamanho executável em dispositivos de borda.
Os desenvolvedores podem acessar recursos robustos de ajuste com o Gemma 2 em várias plataformas e ferramentas. O ajuste do Gemma 2 é simplificado com soluções baseadas na nuvem, como o Google Cloud, e ferramentas da comunidade, como o Axolotl. A integração total com parceiros como Hugging Face e NVIDIA TensorRT-LLM, bem como nossos JAX e Keras, permite a otimização do desempenho e a implantação eficiente em diversas configurações de hardware.
Estes são os principais parâmetros dos novos modelos:
O Gemma 2 compartilha uma base arquitetônica semelhante à dos modelos Gemma originais, incluindo a implementação de Rotary Positioning Embeddings (RoPE) e a não linearidade aproximada de GeGLU. No entanto, ele introduz inovações arquitetônicas que o diferenciam de seus antecessores.
Em vez de considerar todas as palavras de um texto de uma só vez, ele às vezes se concentra em uma pequena janela de palavras (atenção local) e às vezes considera todas as palavras (atenção global). Essa combinação ajuda o modelo a entender o contexto imediato e o significado geral do texto de forma eficiente.
Imagine que você esteja treinando um modelo para prever a próxima palavra de uma frase. Às vezes, o modelo pode estar excessivamente confiante quanto a uma palavra específica, mesmo que ela não seja a melhor escolha. O soft-capping de logits evita isso ao limitar a confiança que o modelo pode ter em suas previsões, o que leva a um desempenho geral melhor.
Pense nisso como uma maneira de evitar que os cálculos do modelo se tornem grandes ou pequenos demais durante o treinamento. Assim como podemos ajustar o volume de um alto-falante para evitar distorções, o RMSNorm garante que as informações que fluem pelo modelo permaneçam dentro de um intervalo razoável, levando a um treinamento mais estável e eficaz.
Essa técnica ajuda o modelo a processar informações com mais eficiência, especialmente ao lidar com grandes quantidades de texto. Ela melhora a atenção multicabeças (MHA, na sigla em inglês) tradicional ao agrupar consultas, permitindo um processamento mais rápido, principalmente em modelos grandes. É como dividir uma tarefa grande em partes menores e mais gerenciáveis, permitindo que o modelo entenda as relações entre as palavras mais rapidamente sem sacrificar a acurácia.
Gemma2ForCausalLM(
(model): Gemma2Model(
(embed_tokens): Embedding(256000, 4608, padding_idx=0)
(layers): ModuleList(
(0-45): 46 x Gemma2DecoderLayer(
(self_attn): Gemma2SdpaAttention(
(q_proj): Linear(in_features=4608, out_features=4096, bias=False)
(k_proj): Linear(in_features=4608, out_features=2048, bias=False)
(v_proj): Linear(in_features=4608, out_features=2048, bias=False)
(o_proj): Linear(in_features=4096, out_features=4608, bias=False)
(rotary_emb): Gemma2RotaryEmbedding()
)
(mlp): Gemma2MLP(
(gate_proj): Linear(in_features=4608, out_features=36864, bias=False)
(up_proj): Linear(in_features=4608, out_features=36864, bias=False)
(down_proj): Linear(in_features=36864, out_features=4608, bias=False)
(act_fn): PytorchGELUTanh()
)
(input_layernorm): Gemma2RMSNorm()
(post_attention_layernorm): Gemma2RMSNorm()
(pre_feedforward_layernorm): Gemma2RMSNorm()
(post_feedforward_layernorm): Gemma2RMSNorm()
)
)
(norm): Gemma2RMSNorm()
)
(lm_head): Linear(in_features=4608, out_features=256000, bias=False)
)
No mecanismo de autoatenção, o Gemma 2 usa a atenção de consulta agrupada (GQA, na sigla em inglês).
k_proj e v_proj compartilham a mesma cabeça com um tamanho de 128 e 16 cabeças (128 x 16 = 2048). Em comparação, q_proj e o_proj têm 32 cabeças (128 x 32 = 4096) em paralelo.
Observe que o modelo Gemma 9B usa a mesma GQA, mas um número diferente de cabeças (8 para k_proj e v_proj, 16 para q_proj e o_proj) e o tamanho da cabeça (256).
(self_attn): Gemma2SdpaAttention(
(q_proj): Linear(in_features=3584, out_features=4096, bias=False)
(k_proj): Linear(in_features=3584, out_features=2048, bias=False)
(v_proj): Linear(in_features=3584, out_features=2048, bias=False)
(o_proj): Linear(in_features=4096, out_features=3584, bias=False)
(rotary_emb): Gemma2RotaryEmbedding()
)
O modelo 2B usa 4 para k_proj e v_proj, 8 para q_proj e o_proj e o tamanho da cabeça (256).
Outra distinção importante é a inclusão de RMSNorm adicional no Gemma 2, o que aumenta a estabilidade do processo de treinamento.
Nosso relatório técnico fornece mais detalhes, mas este é um breve resumo das principais conclusões sobre o Gemma 2:
Treinamos os modelos 2B e 9B com destilação de conhecimento a partir do modelo maior (27B).
A destilação de conhecimento a partir de um modelo maior, mesmo com um número igual de tokens de treinamento, leva a melhorias significativas de desempenho.
A substituição da MHA pela GQA resulta em um desempenho comparável, oferecendo eficiência de parâmetros e tempos de inferência menores, o que torna a GQA a escolha preferencial.
Um modelo mais aprofundado apresenta um desempenho ligeiramente superior em comparação com um modelo mais largo com o mesmo número de parâmetros.
Neste artigo, você conheceu o Gemma 2, a próxima geração de modelos Gemma.
Em nossa próxima série de postagens, você verá o RecurrentGemma, que é um modelo aberto baseado no Griffin.
Se você quiser se aprofundar no fascinante mundo da IA e obter insights dos especialistas que estão moldando o desenvolvimento dessa tecnologia, acesse goo.gle/ai-podcast ou pesquise a série "People of AI Podcast" em qualquer plataforma de podcast.
Não deixe de nos acompanhar! Agradecemos a leitura.
Aprenda a criar e executar apps habilitados por IA no Firebase Demo Day 2024
Assistentes de codificação de IA turbinados com o contexto longo dos modelos Gemini
Além do inglês: como os modelos abertos Gemma estão preenchendo a lacuna linguística
Celebrating innovation: Gemini API Developer Competition
Apresentamos o PaliGemma 2: modelos avançados de visão-linguagem, ajuste simples