Google DeepMind发布TxGemma系列模型分析报告

一、核心模型概览

1. 基础模型架构

   • TxGemma系列包含3种参数量级：
     • 2B参数版本（20亿参数）
     • 9B参数版本（90亿参数）
     • 27B参数版本（270亿参数）

2. 功能分支

   • TxGemma-Predict（预测专用）
     • 覆盖全量级（2B/9B/27B）
   • TxGemma-Chat（对话专用）
     • 仅提供9B/27B版本

二、性能表现

1. 学术基准测试

   • 在Agentic-Tx评估框架下：
     • 27B预测版在"Humanity's Last Exam"测试中达到66分
     • 显著优于同类Tx-LLM模型的45分基准
   • ChemBench化学领域测试：
     • 准确率提升至50%（基线26%）

2. 多模态能力

   • 与Gemini 2.0 Pro集成实现Agentic-Tx工作流
   • 支持18种专业场景处理

三、训练数据特征

• 主要数据源：
  • PubMed医学文献
  • Wikipedia百科
  • 全网爬取数据(Web)
• 采用TrialBench AI 4进行数据清洗

四、部署渠道

1. 官方平台
   • Google Vertex AI Model Garden
2. 第三方平台
   • Hugging Face模型库
3. 开发者资源
   • 提供交互式Demo
   • 配套Notebook教程

五、技术亮点

• 首次实现预测/聊天双模式并行架构
• 在27B量级实现：
  • 较传统LLM提升47%的推理效率（66 vs 45）
  • 化学领域准确率翻倍（50% vs 26%）

注：所有测试数据基于Google内部Agentic-Tx评估框架，对比基线为Tx-LLM系列模型

火龙果频道