Llama 3是什么

Llama 3是Meta公司最新開源推出的新一代大型語言模型（LLM），包含8B和70B兩種參數(shù)規(guī)模的模型，標(biāo)志著開源人工智能領(lǐng)域的又一重大進步。作為Llama系列的第三代產(chǎn)品，Llama 3不僅繼承了前代模型的強大功能，還通過一系列創(chuàng)新和改進，提供了更高效、更可靠的AI解決方案，旨在通過先進的自然語言處理技術(shù)，支持廣泛的應(yīng)用場景，包括但不限于編程、問題解決、翻譯和對話生成，大家快來奇想AI導(dǎo)航網(wǎng)！

Llama 3的系列型號

Llama 3目前提供了兩種型號，分別為8B（80億參數(shù)）和70B（700億參數(shù)）的版本，這兩種型號旨在滿足不同層次的應(yīng)用需求，為用戶提供了靈活性和選擇的自由度。

• Llama-3-8B：8B參數(shù)模型，這是一個相對較小但高效的模型，擁有80億個參數(shù)。專為需要快速推理和較少計算資源的應(yīng)用場景設(shè)計，同時保持了較高的性能標(biāo)準(zhǔn)。
• Llama-3-70B：70B參數(shù)模型，這是一個更大規(guī)模的模型，擁有700億個參數(shù)。它能夠處理更復(fù)雜的任務(wù)，提供更深入的語言理解和生成能力，適合對性能要求更高的應(yīng)用。

后續(xù)，Llama 3 還會推出 400B 參數(shù)規(guī)模的模型，目前還在訓(xùn)練中。Meta 還表示等完成 Llama 3 的訓(xùn)練，還將發(fā)布一份詳細的研究論文。

Llama 3的官網(wǎng)入口

• 官方項目主頁：https://llama.meta.com/llama3/
• GitHub模型權(quán)重和代碼：https://github.com/meta-llama/llama3/
• Hugging Face模型：https://huggingface.co/collections/meta-llama/meta-llama-3-66214712577ca38149ebb2b6

Llama 3的改進地方

• 參數(shù)規(guī)模：Llama 3提供了8B和70B兩種參數(shù)規(guī)模的模型，相比Llama 2，參數(shù)數(shù)量的增加使得模型能夠捕捉和學(xué)習(xí)更復(fù)雜的語言模式。
• 訓(xùn)練數(shù)據(jù)集：Llama 3的訓(xùn)練數(shù)據(jù)集比Llama 2大了7倍，包含了超過15萬億個token，其中包括4倍的代碼數(shù)據(jù)，這使得Llama 3在理解和生成代碼方面更加出色。
• 模型架構(gòu)：Llama 3采用了更高效的分詞器和分組查詢注意力（Grouped Query Attention, GQA）技術(shù)，提高了模型的推理效率和處理長文本的能力。
• 性能提升：通過改進的預(yù)訓(xùn)練和后訓(xùn)練過程，Llama 3在減少錯誤拒絕率、提升響應(yīng)對齊和增加模型響應(yīng)多樣性方面取得了進步。
• 安全性：引入了Llama Guard 2等新的信任和安全工具，以及Code Shield和CyberSec Eval 2，增強了模型的安全性和可靠性。
• 多語言支持：Llama 3在預(yù)訓(xùn)練數(shù)據(jù)中加入了超過30種語言的高質(zhì)量非英語數(shù)據(jù)，為未來的多語言能力打下了基礎(chǔ)。
• 推理和代碼生成：Llama 3在推理、代碼生成和指令跟隨等方面展現(xiàn)了大幅提升的能力，使其在復(fù)雜任務(wù)處理上更加精準(zhǔn)和高效。

Llama 3的性能評估

根據(jù)Meta的官方博客，經(jīng)指令微調(diào)后的 Llama 3 8B 模型在MMLU、GPQA、HumanEval、GSM-8K、MATH等數(shù)據(jù)集基準(zhǔn)測試中都優(yōu)于同等級參數(shù)規(guī)模的模型（Gemma 7B、Mistral 7B），而微調(diào)后的 Llama 3 70B 在 MLLU、HumanEval、GSM-8K 等基準(zhǔn)測試中也都優(yōu)于同等規(guī)模的 Gemini Pro 1.5 和 Claude 3 Sonnet 模型。

此外，Meta還開發(fā)了一套新的高質(zhì)量人類評估集，包含 1800 個提示，涵蓋 12 個關(guān)鍵用例：尋求建議、頭腦風(fēng)暴、分類、封閉式問答、編碼、創(chuàng)意寫作、提取、塑造角色/角色、開放式問答、推理、重寫和總結(jié)。通過與Claude Sonnet、Mistral Medium和GPT-3.5等競爭模型的比較，人類評估者基于該評估集進行了偏好排名，結(jié)果顯示Llama 3在真實世界場景中的性能非常出色，最低都有52.9%的勝出率。

Llama 3的技術(shù)架構(gòu)

• 解碼器架構(gòu)：Llama 3采用了解碼器（decoder-only）架構(gòu)，這是一種標(biāo)準(zhǔn)的Transformer模型架構(gòu)，主要用于處理自然語言生成任務(wù)。
• 分詞器和詞匯量：Llama 3使用了具有128K個token的分詞器，這使得模型能夠更高效地編碼語言，從而顯著提升性能。
• 分組查詢注意力（Grouped Query Attention, GQA）：為了提高推理效率，Llama 3在8B和70B模型中都采用了GQA技術(shù)。這種技術(shù)通過將注意力機制中的查詢分組，減少了計算量，同時保持了模型的性能。
• 長序列處理：Llama 3支持長達8,192個token的序列，使用掩碼（masking）技術(shù)確保自注意力（self-attention）不會跨越文檔邊界，這對于處理長文本尤其重要。
• 預(yù)訓(xùn)練數(shù)據(jù)集：Llama 3在超過15TB的token上進行了預(yù)訓(xùn)練，這個數(shù)據(jù)集不僅規(guī)模巨大，而且質(zhì)量高，為模型提供了豐富的語言信息。
• 多語言數(shù)據(jù)：為了支持多語言能力，Llama 3的預(yù)訓(xùn)練數(shù)據(jù)集包含了超過5%的非英語高質(zhì)量數(shù)據(jù)，涵蓋了超過30種語言。
• 數(shù)據(jù)過濾和質(zhì)量控制：Llama 3的開發(fā)團隊開發(fā)了一系列數(shù)據(jù)過濾管道，包括啟發(fā)式過濾器、NSFW（不適合工作場所）過濾器、語義去重方法和文本分類器，以確保訓(xùn)練數(shù)據(jù)的高質(zhì)量。
• 擴展性和并行化：Llama 3的訓(xùn)練過程中采用了數(shù)據(jù)并行化、模型并行化和流水線并行化，這些技術(shù)的應(yīng)用使得模型能夠高效地在大量GPU上進行訓(xùn)練。
• 指令微調(diào)（Instruction Fine-Tuning）：Llama 3在預(yù)訓(xùn)練模型的基礎(chǔ)上，通過指令微調(diào)進一步提升了模型在特定任務(wù)上的表現(xiàn)，如對話和編程任務(wù)。

如何使用Llama 3

開發(fā)人員

Meta已在GitHub、Hugging Face、Replicate上開源其Llama 3模型，開發(fā)人員可使用torchtune等工具對Llama 3進行定制和微調(diào)，以適應(yīng)特定的用例和需求，感興趣的開發(fā)者可以查看官方的入門指南并前往下載部署。

• 官方模型下載：https://llama.meta.com/llama-downloads
• GitHub地址：https://github.com/meta-llama/llama3/
• Hugging Face地址：https://huggingface.co/meta-llama
• Replicate地址：https://replicate.com/meta

普通用戶

不懂技術(shù)的普通用戶想要體驗Llama 3可以通過以下方式使用：

• 訪問Meta最新推出的Meta AI聊天助手進行體驗（注：Meta.AI會鎖區(qū)，只有部分國家可使用）
• 訪問Replicate提供的Chat with Llama進行體驗https://llama3.replicate.dev/
• 使用Hugging Chat（https://huggingface.co/chat/），可手動將模型切換至Llama 3