Meta Llama3简单速览

前言

北京时间4月19号凌晨，Meta 发布了Llama3。下面，让我们根据官方报告，深入了解这一AI领域的重要更新。

发布内容

Meta Llama 3的发布标志着大型语言模型（LLM）的新纪元。以下是其主要发布内容的概览：

• 模型规模：推出了8B和70B参数的模型，预示着更广泛的应用场景。
• 可用性：模型将很快在AWS、Databricks、Google Cloud等主要平台上可用。
• 后续公布内容：更长的上下文窗口、额外的模型尺寸和增强的性能、Llama 3的研究论文
  报告里面也提到，meta希望尽早尽频繁地发布，所以优先发布了目前两个版本的模型。

效果对比

直接上图：



可以看到，intruct模型在推理、代码生成方面有大幅的提高，原文还提到错误拒绝率大幅降低。

模型结构 Model architecture

Llama 3采用了以下模型架构设计：

• 架构类型：标准解码器变换器（decoder-only transformer）架构。
• 词表：128K个token。
• 注意力机制：引入分组查询注意力（GQA）以提升推理效率，保持了与Llama 2相当的推理效率。
• 训练数据长度：on sequences of 8,192 tokens，序列长度为8192.

训练的数据 Training data

Llama 3的训练数据集特点：

• 数据规模：超过15T的令牌，是Llama 2的七倍，其中code的数据量是之前的四倍，数据都是公开来源。
• 多语言支持：包含超过30种语言的高质量非英语数据。
• 数据质量：通过数据过滤流程，确保了训练数据的最高质量。数据质量的pipeline包括启发式过滤器（业务规则相关）、NSFW过滤器、语义去重，还有用文本分类来预测数据质量。文中提到，用llama2驱动llama3做文本质量分类器（可能为了数据安全，不用gpt4）。
• 数据配比：meta进行了广泛的实验，以评估在最终预训练数据集中混合不同来源数据的最佳方式。在模型结构大差不差的背景下，数据收集和配比应该是每家大模型公司的核心技能了。

扩大预训练 Scaling up pretraining

• 一些发现：发现即使在模型训练了两个数量级更多的数据之后，模型性能仍在继续提高。80亿和700亿参数模型在训练了多达1.5万亿个令牌之后，继续以对数线性的方式提高。更大的模型可以在较少的训练计算下达到这些较小模型的性能，但通常更倾向于使用较小的模型，因为它们在推理过程中效率更高。
• 并行化训练：结合数据、模型和流水线并行化技术，提高了训练效率。在16000个GPU训练的时候，计算利用率达到400TFLOPS。训练在2个24000个GPU集群上进行，通过一些自动化运维工具使得有效训练时间超过95%，训练效率比llama2提升了3倍。

指令微调 Instruction fine-tuning

Llama 3在指令微调方面的创新：

• 微调方法：结合了监督式微调（SFT）、拒绝采样（Rejection Sampling）、近端策略优化（PPO）和直接策略优化（DPO）。提到PPO和DPO可以利用偏好数据，提升推理能力。

To be continued（4千亿参数量模型）

Meta Llama 3的旅程才刚刚开始，未来将推出超过400B参数的模型，这些模型将带来：

• 新功能：包括多模态交互、多语言对话能力等。
• 性能提升：更长的上下文窗口和更强的整体能力。
• 研究论文：完成训练后，将发布详细的研究论文。

内容引用

https://ai.meta.com/blog/meta-llama-3/