Fugu-MT 論文翻訳(概要): VaultGemma: A Differentially Private Gemma Model

論文の概要: VaultGemma: A Differentially Private Gemma Model

arxiv url: http://arxiv.org/abs/2510.15001v1
Date: Wed, 15 Oct 2025 21:59:53 GMT
ステータス: 翻訳完了
システム内更新日: 2025-10-20 20:17:34.309764
Title: VaultGemma: A Differentially Private Gemma Model
Title（参考訳）: VaultGemma: 異なるプライベートなGemmaモデル
Abstract要約: Gemmaファミリー内の10億のパラメータモデルであるVaultGemma 1Bを導入し、差分プライバシーを十分に訓練した。私たちはこのモデルをコミュニティに公開しています。
参考スコア（独自算出の注目度）: 130.51652849962065
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce VaultGemma 1B, a 1 billion parameter model within the Gemma family, fully trained with differential privacy. Pretrained on the identical data mixture used for the Gemma 2 series, VaultGemma 1B represents a significant step forward in privacy-preserving large language models. We openly release this model to the community
Abstract（参考訳）: Gemmaファミリー内の10億のパラメータモデルであるVaultGemma 1Bを導入し、差分プライバシーを十分に訓練した。 VaultGemma 1Bは、Gemma 2シリーズで使われているのと同じデータ混合物に基づいており、プライバシー保護のための大きな言語モデルにおいて重要な一歩である。私たちはこのモデルをコミュニティに公開しています

関連論文リスト

Gemma 4 Technical Report [199.38174392182012]
我々はGemmaモデルファミリに、オープンソースのネイティブなマルチモーダル言語モデルの新世代のGemma 4を紹介する。 Gemma 4のモデルスイートは2.3Bから31Bまで、密集したMixture-of-Expertsアーキテクチャを備えている。生音声や画像のパッチを取り込み,12Bモデルのための統一型エンコーダフリーアーキテクチャを提案する。
論文参考訳（メタデータ） (2026-07-02T21:08:53Z)
Silhouette-based Gait Foundation Model [56.27974816297294]
統一された歩行基盤モデルを構築するには、スケーラビリティと一般化の2つの長年の障壁に対処する必要がある。私たちは、歩行理解のための最初のスケーラブルでセルフ教師付き事前学習フレームワークであるFoundationGaitを紹介します。
論文参考訳（メタデータ） (2025-11-30T01:53:41Z)
Gemma 3 Technical Report [198.3299202423321]
Gemma 3は、軽量オープンモデルのGemmaファミリに対するマルチモーダルな追加である。このバージョンでは、視覚理解能力、より広範な言語カバレッジ、より長いコンテキストが導入されている。また、長いコンテキストで爆発しがちなKVキャッシュメモリを減らすために、モデルのアーキテクチャを変更します。
論文参考訳（メタデータ） (2025-03-25T15:52:34Z)
BgGPT 1.0: Extending English-centric LLMs to other languages [12.867025651644692]
本稿では,BgGPT-Gemma-2-27B-InstructとBgGPT-Gemma-2-9B-Instructについて述べる。我々のモデルはブルガリア語のタスクにおいて強力なパフォーマンスを示し、言語固有のAIモデルの新しい標準を設定します。
論文参考訳（メタデータ） (2024-12-14T16:49:52Z)
Gemma Scope: Open Sparse Autoencoders Everywhere All At Once on Gemma 2 [11.169778211035826]
スパースオートエンコーダ(SAE)は、ニューラルネットワークの潜在表現を解釈可能な特徴に学習するための教師なしの方法である。本研究では,JumpReLU SAEのオープンスイートであるGemma Scopeを紹介した。各SAEの品質を標準メトリクスで評価し、その結果を公表する。
論文参考訳（メタデータ） (2024-08-09T16:06:42Z)
Gemma 2: Improving Open Language Models at a Practical Size [118.04200128754249]
Gemma 2は、軽量で最先端のオープンモデルであるGemmaファミリの新しい追加である。我々はTransformerアーキテクチャにいくつかの技術的変更を適用し、例えば、ローカル・グローバル・アテンションをインターリーブする。結果として得られたモデルは、そのサイズで最高のパフォーマンスを提供し、さらに2～3倍の大きさのモデルに対して、競争力のある代替手段を提供する。
論文参考訳（メタデータ） (2024-07-31T19:13:07Z)
RecurrentGemma: Moving Past Transformers for Efficient Open Language Models [103.59785165735727]
Googleの新しいGriffinアーキテクチャを使ったオープン言語モデルのファミリーであるRecurrentGemmaを紹介する。 Griffinは、言語における優れたパフォーマンスを達成するために、線形反復と局所的な注意を組み合わせる。 2Bパラメーターと9Bパラメーターを含むモデルのサイズを2つ提供し、両方のモデルに対して事前訓練および命令チューニングのバリエーションを提供する。
論文参考訳（メタデータ） (2024-04-11T15:27:22Z)
Gemma: Open Models Based on Gemini Research and Technology [128.57714343844074]
Gemmaは、Geminiモデルを作成するために使用される研究と技術から構築された、軽量で最先端のオープンモデルのファミリーである。 Gemmaモデルは、言語理解、推論、安全性のための学術ベンチマークで強力なパフォーマンスを示している。
論文参考訳（メタデータ） (2024-03-13T06:59:16Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。