1、Gemma的表现

自从大模型横空出世之后，大部分大模型都是闭源的，只有少部分模型选择开源。谷歌推出了全新的开源模型系列Gemma，相比谷歌之前的 Gemini模型，Gemma 更加轻量，可以免费使用，模型权重也一并开源了，且允许商用。之前闭源Gemini模型效果还是不如ChatGPT，想利用开源方式迎头赶上。

Gemma也第一时间冲上开源LLM的榜首：

虽然Gemma较轻量，《 Gemma: Open Models Based on Gemini Research and Technology 》论文中提到在QA/推理/数学/编码4个领域已经超越了 Llama-2 7B 和 Mistral 7B。同时与LLaMA2(13B)很接近。

2、Gemma 技术细节

2.1 Gemma模型架构

Gemma 模型架构基于 Transformer 解码器， 与chatgpt等LLM架构差不多。当然也做了一些优化：

（1）多查询注意力：7B 模型使用多头注意力，而 2B 检查点使用多查询注意力；

（2）RoPE 嵌入：Gemma 在每一层中使用旋转位置嵌入，而不是使用绝对位置嵌入；此外，Gemma 还在输入和输出之间共享嵌入，以减少模型大小

（3）GeGLU 激活：标准 ReLU 非线性被 GeGLU 激活函数取代；

（4）Normalizer Location：Gemma 对每个 transformer 子层的输入和输出进行归一化，这与仅对其中一个或另一个进行归一化的标准做法有所不同，RMSNorm 作为归一化层。

2.2 Gemma训练方式：

采用类似ppo微调步骤进行训练：

（1）预训练（pretraining）：分别在来自网络文档、数学和代码数据上进行训练。

（2）监督微调（Supervised Finetuning）：根据基于 LM 的并行评估结果来选择自己的混合数据，以进行监督微调。

（3）人类反馈强化学习（RLHF）：使用 RLHF 对监督微调模型进一步微调，不仅从人类评分者那里收集了偏好对，还在 Bradley-Terry 模型下训练了奖励函数。

更多细节见《Gemma: Open Models Based on Gemini Research and Technology 》

3.谷歌为何开源

很显然，谷歌急了，在LLM领域上，互联网巨头谷歌一直在追赶，从未领先。谷歌自从AlphaGo之后，就再也没重回AI巅峰，它急需一个模型宣布自己“王者归来”：

（1）之前发布的Gemini， 与OpenAI相比未见优势。

（2）Meta采用开源方式，已经吸引很多开发者参与进来， 谷歌希望借Gemma 的开源，谷歌能够吸引更多的人使用自己的 AI 模型，而不是直接投奔 Meta、Mistral 这样的竞争对手。

（3）谷歌没有预告的开源，从这次谷歌发布的时间和形式来看（有消息声称LLama近期也要发布新版）。谷歌真的急了。

毕竟闭源有OpenAI，开源有Meta、Mistral，谷歌真的不容易。不过这样百家争鸣的形势，会加快LLM领域的快速发展。期待他们下一次华山论剑。

参考文章：

(1)https://www.toutiao.com/article/7338237867640013347/?app=news_article

(2)https://storage.googleapis.com/deepmind-media/gemma/gemma-report.pdf