RecurrentGemma¶

RecurrentGemma 是基於 Griffin 的開放模型；Griffin 是一種混合模型架構， 結合門控線性遞迴與局部滑動視窗注意力。

如同 Gemma，RecurrentGemma 非常適合 多種文字生成任務，包括問答、摘要與 推理。不過，RecurrentGemma 獨特的架構還帶來以下額外 優勢：

• 記憶體用量降低 — 較低的記憶體需求讓記憶體有限的裝置（如單張 GPU 或 CPU）也能生成較長的樣本。
• 吞吐量更高 — RecurrentGemma 可以用顯著更高的批次大小執行推論，意味著每秒能生成更多詞元——尤其是在生成長序列時。
• 高效能 — RecurrentGemma 在記憶體需求更低、推論速度更快的同時，效能與 Gemma 相當。

更多資源¶

查看模型卡¶

RecurrentGemma 的模型卡包含模型的詳細資訊，包括實作資訊、評估資訊、模型用途與限制等。

在 Kaggle 上查看¶

在 Kaggle 上查看更多關於 RecurrentGemma 的程式碼、Colab 筆記本、資訊與討論。

在 GitHub 上執行¶

在 GitHub 上執行 JAX 與 PyTorch 的範例 Colab 筆記本。