Einführung von Zwillingdiffusion

Unser hochmodernes, experimentelles Textdiffusionsmodell

output: Gemini Diffusion is an experimental text diffusion model from Google AI, combining the strengths of large-language models with a new generation technique called diffusion.

Ausgabe: Gemini-Diffusion ist ein experimentelles Textdiffusionsmodell von Google AI, das die Stärken von Modellen mit großer Sprache mit einer neuen Generationstechnik namens Diffusion kombiniert.

Traditional language models generate text one token at a time using autoregressive methods. However, in tasks like editing, inserting content in the context of math or code, and merging different ideas, a more flexible and powerful generation paradigm is needed.

Herkömmliche Sprachmodelle generieren mit autoregressiven Methoden Text One -Token gleichzeitig. Bei Aufgaben wie Bearbeitung, Einfügen von Inhalten in Mathematik oder Code und Verschmelzung verschiedener Ideen ist jedoch ein flexibleres und leistungsstärkeres Paradigma der Generation erforderlich.

Diffusion models offer an alternative approach. Instead of learning to predict text directly, they excel at refining noise to generate outputs step-by-step. This property is leveraged in Gemini Diffusion for efficient generation.

Diffusionsmodelle bieten einen alternativen Ansatz. Anstatt zu lernen, Text direkt vorherzusagen, zeichnen sie sich bei der Verfeinerung von Rauschen aus, um die Ausgänge Schritt für Schritt zu erzeugen. Diese Eigenschaft wird bei der Gemini -Diffusion für die effiziente Erzeugung genutzt.

Capabilities

Fähigkeiten

Rapid response

Schnelle Antwort

Generates content significantly faster than even our fastest model so far.

Erzeugt Inhalte deutlich schneller als selbst unser bisher schnellstes Modell.

More coherent text

Kohärenterer Text

Generates entire blocks of tokens at once, meaning it responds more coherently to a user’s prompt than autoregressive models.

Generiert gleichzeitig ganze Tokenblöcke, was bedeutet, dass es kohärenter auf die Eingabeaufforderung eines Benutzers reagiert als autoregressive Modelle.

Iterative refinement

Iterative Verfeinerung

Corrects errors during generation for more consistent outputs.

Korrigiert Fehler während der Erzeugung für konsistentere Ausgänge.

Benchmarks

Gemini Diffusion’s external benchmark performance is comparable to much larger models, whilst also being faster.

Die externe Benchmark -Leistung von Gemini Diffusion ist vergleichbar mit viel größeren Modellen und gleichzeitig schneller.

Methodology

Methodik

All scores are pass @1 (no majority voting). The Gemini 2.0 Flash-Lite experiments are run with the AI Studio API for the model-id gemini-2.0-flash-lite with the default sampling settings.

Alle Punkte sind Pass @1 (keine Mehrheitswahl). Die Gemini 2.0 Flash-Lite-Experimente werden mit der AI Studio API für das Modell-ID-Gemini-2,0-Flash-Lite mit den Standardabtasteinstellungen durchgeführt.

* Non-agentic evaluation (single turn edit only), max prompt length of 32K.

* Nicht-Agentic-Bewertung (nur einzelne Kurven bearbeiten), maximale Einlauflänge von 32 km.

Gemini Diffusion speed

Gemini -Diffusionsgeschwindigkeit

Average sampling speed across reported evals.

Durchschnittliche Stichprobengeschwindigkeit über die gemeldeten Evale.

Try Gemini Diffusion

Versuchen Sie die Gemini -Diffusion

Gemini Diffusion is currently available as an experimental demo to help develop and refine future models. If you're interested in getting access to the demo, please sign up to the waitlist.

Die Gemini -Diffusion ist derzeit als experimentelle Demo erhältlich, um zukünftige Modelle zu entwickeln und zu verfeinern. Wenn Sie daran interessiert sind, Zugriff auf die Demo zu erhalten, melden Sie sich bitte bei der Warteliste an.