AI 与机器学习2025storage.googleapis.com
Gemma 3 技术报告
Gemma 3 Technical Report
进阶 · 约 90 分钟读完前置知识：Transformer 基础、大语言模型训练、多模态学习
导读
这是 Google DeepMind 发布的 Gemma 3 技术报告。Gemma 3 是开放权重的模型系列，包含 1B、4B、12B、27B 四种规模，支持多模态（图像+文本）、128K 上下文窗口和 140 多种语言，并允许商业使用。报告详述了模型架构、训练方法与评测结果，也说明了安全策略（例如拒绝生成有害内容）。
HN 关注点：开放权重模型的实际能力与许可条款，也围绕“性相关内容被列为有害”这一安全政策展开争论，并有 Gemma 团队成员到场答疑。
HN 评论精选
这几条评论里：质疑 2 补充 1 亲历 1
亲历Gemma 团队成员现身 HN，开放提问答疑。
来自 Gemma 团队的问候！我们刚把 Gemma 3 从烤箱里拿出来，非常兴奋地展示给大家！有问题请在这里提出，我们会尽快回复。（仅代表个人观点，不代表 Google DeepMind。）附：我们正在招人。
alekandreev查看英文原文
Greetings from the Gemma team! We just got Gemma 3 out of the oven and are super excited to show it to you! Please drop any questions here and we'll answer ASAP. (Opinions our own and not of Google DeepMind.) PS we are hiring: https://boards.greenhouse.io/deepmind/jobs/6590957
补充汇总 Gemma 3 的规格、许可和获取渠道。
Gemma 3 发布了！多模态（图像+文本）、128K 上下文、支持 140 多种语言，提供 1B、4B、12B、27B 四种规模，开放权重且可商用。附模型概览、Hugging Face 合集和 Ollama 页面链接。
meetpateltech查看英文原文
Gemma 3 is out! Multimodal (image + text), 128K context, supports 140+ languages, and comes in 1B, 4B, 12B, and 27B sizes with open weights & commercial use. Gemma 3 model overview: https://ai.google.dev/gemma/docs/core Huggingface collection: https://huggingface.co/collections/google/gemma-3-release-67c6c6f89c4f76621268bb6d ollama: https://ollama.com/library/gemma3
质疑质疑大厂发布开放权重模型的商业动机。
Meta、Google 这样的公司从发布开放模型中得到什么？只是声誉？还是为了吸引顶尖 AI 人才？
gundmc查看英文原文
What do companies like Meta and Google gain from releasing open models? Is it just reputational? Attractive to top AI talent?
质疑批评安全策略把成人性内容一律归为有害。
（引述报告安全章节：模型被设计为防止生成有害内容，其中包括“性露骨内容”）各位科技公司：性露骨内容并不是有害的。为什么你们都由清教徒把持？我并不是想生成重口味色情内容，我只是希望被当作成年人对待。
LeoPanthera查看英文原文
> They are designed to help prevent our models from generating harmful content, i.e., > [...] > Sexually explicit content Dear tech companies. Sexually explicit content is not harmful. Why are you all run by puritans? I don't even want to make edgy porn, I just want to be treated like an adult.
相关资源
从这篇论文所有 HN 讨论帖的全部评论里整理出来的链接。
历次讨论
- 2025Hacker News 讨论帖488 分 · 245 评
同领域还值得读
DeepSeek-R1：通过强化学习激励 LLM 的推理能力
DeepSeek-R1: Incentivizing Reasoning Capability in LLMs via RL
研究如何用强化学习激励大语言模型的推理能力，提出 DeepSeek-R1，并探讨 RL 训练对模型推理表现的影响。
AI 与机器学习2025 · 1,351 分 · 1,056 评 · 引用 30进阶 · 约 80 分钟编辑精选1-bit LLM 时代：面向低成本计算的三值参数
The Era of 1-bit LLMs: ternary parameters for cost-effective computing
提出用三值参数 {-1, 0, 1} 替代 LLM 中的浮点权重，即所谓“1-bit LLM”。
AI 与机器学习2024 · 1,040 分 · 447 评 · 引用 19进阶 · 约 45 分钟编辑精选DeepSeek-V3.2：推进开放大语言模型的前沿
DeepSeek-v3.2: Pushing the frontier of open large language models
这是 DeepSeek-V3.2 的技术报告，延续了 DeepSeek 开源权重模型的路线，目标是让开放模型继续逼近甚至追平前沿闭源模型。
AI 与机器学习2025 · 982 分 · 465 评进阶 · 约 90 分钟编辑精选通过自我对弈与通用强化学习掌握国际象棋和将棋（AlphaZero）
Mastering Chess and Shogi by Self-Play with General Reinforcement Learning
DeepMind 的 AlphaZero 论文：用通用强化学习算法（自我博弈 + MCTS + 神经网络），从零开始仅数小时训练便在国际象棋和将棋上击败了世界顶级引擎 Stock…
AI 与机器学习2017 · 539 分 · 270 评 · 引用 13进阶 · 约 90 分钟编辑精选用强化学习发现更快的矩阵乘法算法
Discovering faster matrix multiplication algorithms with reinforcement learning
论文提出 AlphaTensor，用强化学习搜索矩阵乘法算法。
AI 与机器学习2022 · 518 分 · 111 评专业 · 约 90 分钟编辑精选