谷歌Gemma 3：更多功能、出色的基准测试、更强性能和实施示例 第1张

从庞大的 Hugging Face 社区、文档和示例笔记本中获益，进一步定制和优化 Gemma 3 的使用。

以下是 Notebook 中的完整代码：

使用 Gemma 3-27B-IT 时，必须配置正确的采样，以获得最佳结果。根据 Gemma 团队的见解，最佳设置包括

此外，要小心双 BOS（序列开头）标记，它可能会意外降低输出质量。有关更详细的解释和社区讨论，请查看在 Reddit 上发布的这篇有用的帖子。

通过微调这些参数并谨慎处理标记化，您可以在各种任务（从创意写作到复杂的编码挑战）中释放 Gemma 3 的全部潜能。

Evals:

多模态：

长语境：

内存效率：

训练和蒸馏

视觉编码器性能：

长语境缩放：

Gemma 3 代表着开放式人工智能技术的一次革命性飞跃，它突破了轻量级、可访问模型的极限。通过整合创新技术，如增强型多模态处理与定制的 SigLIP 视觉编码器、扩展至 128K tokens的上下文长度，以及独特的 5:1 本地与全局注意力比例，Gemma 3 不仅实现了最先进的性能，还显著提高了内存效率。

其先进的训练和提炼方法缩小了与大型闭源模型的性能差距，使开发人员和研究人员都能获得高质量的人工智能。这一版本为人工智能的民主化树立了新的标杆，为用户提供了一个适用于各种应用的多功能、高效的工具。