- 综合排序
- 最热优先
- 最新优先
- 来自专栏机器学习与统计学
谷歌这次确实有诚意，性能翻倍
总体来看，Gemma-2 27B模型在其规模类别中表现最佳，甚至可以与训练时间更长的大模型进行同级别竞争。 Gemma-2 27B和9B指令微调模型在Chatbot Arena中进行了盲测评估，由人类评估员与其他SOTA模型进行对比。研究团队在图1中报告了ELO评分。
36710编辑于 2024-07-06 再见VAE！英伟达PixelDiT硬刚SD/FLUX：破局像素生成，端到端效果比肩隐空间模型
文本嵌入 由冻结的 Gemma-2 编码器生成。遵循文献 [36]，本文在用户提示前添加简洁的系统提示，然后将序列输入文本编码器。 文本到图像方面，采用 Gemma-2 作为冻结文本编码器，并在patch级路径引入 MM-DiT 融合；预训练于 512×512，随后在 1024² 继续微调，数据规模约 2600 万对，覆盖多种纵横比
26410编辑于 2025-12-24- 来自专栏公共互联网反网络钓鱼（APCN）
全球钓鱼邮件攻防态势：攻击工业化与多因素绕过常态化研究
更值得关注的是，生成式AI模型（如LLaMA-3、Gemma-2）被集成至PhaaS平台，可依据目标企业公开信息（如官网、LinkedIn、财报）自动生成符合高管语言风格的欺诈邮件，极大提升BEC（Business
34610编辑于 2025-12-08 - 来自专栏DeepHub IMBA
KV Cache管理架构演进：从连续分配到统一混合内存架构
全注意力（Jamba、Bamba） 局部分块 + 全注意力（Llama 4） Jenga论文给出了量化数据：Llama 3.2 11B Vision如果把所有层按统一方式管理，内存浪费达79.6%；Gemma
43911编辑于 2026-03-04 - 来自专栏NLP/KG
LLM大模型部署实战指南：Ollama简化流程，OpenLLM灵活部署，LocalAI本地优化，Dify赋能应用开发
pip install openllm # or pip3 install openllm openllm hello 支持模型 Llama-3.1 Llama-3 Phi-3 Mistral Gemma
2.9K11编辑于 2024-08-17 - 来自专栏AIGC 先锋科技
GUIDE：通过注意力分数优化LLMs指令对齐的简单有效方法 ！
作者的实验表明，对于Mistral和Gemma-2模型，值为2可以很好地强调指令，而值为1则可以有效地突出文本中的特定信息。此外，使用大于5的值往往会导致无意义的输出（参见附录B和F）。
41210编辑于 2024-10-25 每周AI论文速递（20240408-20240412）
这两款模型在较少 token 的训练下，仍与 Gemma-2 Ferret-v2: An Improved Baseline for Referring and Grounding with Large
18010编辑于 2025-04-08- 来自专栏AIGC 先锋科技
南洋理工提出简单如精细理念，通过双向负反馈损失进行LLM定位 ！
DPO在Meta-Llama-3上表现最好，SimPO在Mistral-7B上表现最好，而作者提出的BNF在Gemma-2上表现出色。
38310编辑于 2025-01-01
腾讯云开发者
Copyright © 2013 - 2026 Tencent Cloud. All Rights Reserved. 腾讯云 版权所有
深圳市腾讯计算机系统有限公司 ICP备案/许可证号：粤B2-20090059 
粤公网安备44030502008569号
腾讯云计算（北京）有限责任公司 京ICP证150476号 | 京ICP备11018762号