7月23日晚,Meta正式推出了最新的开源大模型系列Llama 3.1,进一步缩小了开源模型与闭源模型之间的差距。Llama 3.1系列包括8B、70B和405B三个参数规模,其中Llama 3.1-405B参数的模型在多个基准测试中超越了OpenAI的GPT-4o,与Claude 3.5 Sonnet等领先的闭源模型相媲美。
模型规模与性能提升
这次发布的Llama 3.1模型大小大约820GB,包含有8B、70B和405B三种参数规模的模型。其中,8B和70B是对5月份发布模型的升级版本,将长文支持提升到了128K tokens。Llama 3.1在基准测试中展现了出色的性能,即使是70B的模型,也在多项测试中超越了GPT-4o。
Llama 3.1-405B版本的性能尤为出色。在MMLU Pro数学基准上,它以73.3%的成绩领先所有大模型。此外,在GPQA(研究生水平的专业知识和推理)、DROP(阅读理解)、MGSM(多语言数学)、HumanEval(编程)和BBH(知识评估)等多个基准测试中,405B版本的表现与GPT-4o不相上下,甚至在某些方面略胜一筹。
如基准测试所示,Meta Llama 3.1在GSM8K、Hellaswag、BoolQ、MMLU-humanities、MMLU-other、MMLU-stem和Winograd等多项测试中均优于GPT-4o。
但值得注意的是,HumanEval和MMLU-social sciences方面却落后于GPT-4o。可见,70B的参数量再往上扩展,收益已经不再显著。在大模型之家看来,未来,AI行业也许并不不需要15万亿这么多tokens来进行预训练,未来将是高质量合成数据和后期训练的世界。
累计3930万GPU小时的计算时间
Llama 3.1在多个方面都有显著提升:上下文长度增加到128K tokens,大幅提升了模型处理长文本的能力。这对于需要处理复杂文档和长篇对话的应用非常重要。支持8种语言的多语言输入输出,包括英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语,扩展了模型在国际化场景中的应用范围。预训练数据量达到15万亿tokens,确保了模型知识的时效性和广度。采用分组查询注意力(GQA)技术,提高了推理的可扩展性,增强了模型在处理复杂任务时的效率。
Meta的训练细节显示,模型在H100-80GB GPU上训练,累计使用了3930万GPU小时的计算时间。这不仅体现了Meta在硬件资源上的投入,也反映了团队在优化训练过程中的技术实力。值得注意的是,Meta强调自2020年以来一直保持净零温室气体排放,并且100%使用可再生能源。Meta的这一承诺不仅展示了企业的环保意识,也为AI行业树立了一个新的标准。
开源模型的“历史性时刻”
Meta创始人兼CEO扎克伯格在官网他表示,Llama 3.1将成为行业的一个转折点,越来越多的开发人员将转向使用开源模型,开源AI是未来的发展方向。英伟达高级研究科学家Jim Fan在X上发文祝贺Meta团队,称这是一个“具有历史意义的时刻”。
此外,马斯克也盛赞扎克伯格,认为他理应因开源得到赞誉,并表示Meta会成为开源大模型界的标杆。
尽管Llama 3.1表现出色,但这并不意味着它已经超越了GPT-4o。要知道,GPT-4o是在GPT-4的基础上经过两代优化(GPT-4 Turbo和GPT-4o)才达到当前的水平,其激活参数远小于405B的规模,是速度和性能的代表。
但不可否认的是,Meta的开源策略不仅为开发者和企业提供了一个强大的工具,也推动了AI研究和应用的普及。这可以让学术界深入研究非常深层次的Transformer在幻觉、推理和跨语言理解等场景下的工作机制。因为Llama 3.1作为一个稠密模型,比MoE在研究上更有普适意义,且可能是目前开源的最强模型,即使有更强的闭源模型,学术界也无法研究。
此外,Meta在模型卡中详细列出了安全考量,包括CBRNE(化学、生物、放射性、核和爆炸材料)有用性、儿童安全和网络攻击等方面的风险评估。这些安全考量体现了Meta对模型应用潜在风险的高度重视,确保模型在实际应用中不会引发不可控的问题。Meta强调,Llama 3.1并非设计为单独部署,而应作为整个AI系统的一部分,并配备额外的”安全护栏”。开发者在使用时需要特别注意工具使用和多语言输出的潜在风险,并进行充分的安全测试和微调。
Meta还更新了开源许可,允许开发者首次使用Llama模型(包括405B)的输出来改进其他模型。这为开发者提供了更大的灵活性,使他们能够在现有基础上进行创新和优化。Meta计划将图像、视频和语音功能整合到Llama 3中,使模型能够识别图像和视频,并通过语音进行交互。这一功能目前仍在开发中,但已经展示了未来应用的巨大潜力。Meta表示,截至目前,所有Llama版本的总下载量已超过3亿次。
“开源人工智能代表着世界最好的机会,”扎克伯格表示,利用这项技术可以创造最大的经济机会和安全保障。这一表态再次凸显了Meta在推动开源AI领域的坚定立场和长远目标。Meta认为,开源能够促进创新、降低成本、提高安全性。对开发者来说,利用开源可以训练、微调和蒸馏自己的模型,每个组织都有不同的需求,使用不同尺寸的模型来满足这些需求,并通过特定数据进行训练或微调。同时,开发者可以不被锁定在封闭供应商中,保护数据安全。“开源软件往往更安全,因为它的开发更加透明,可以被广泛审查。”扎克伯格认为。
大模型之家观点
随着Llama 3.1的正式发布,我们可能会看到更多基于它的创新应用和研究成果。Meta的这一突破性进展不仅在性能上接近或超越了闭源模型,更重要的是,它为开发者和研究人员提供了一个可以自由使用和定制的强大工具。这可能会加速AI应用的创新和普及,让更多人受益于先进的AI技术。
Llama 3.1的发布无疑是开源AI领域的一个里程碑事件。它不仅缩小了开源与闭源模型之间的差距,更为AI的民主化和创新带来了新的可能。Topology CEO Aidan McLau惊呼,如果测试结果属实,Llama 3.1将成为”世界上最好的模型”,而且”每个人都可调”。
如何学习AI大模型?
作为一名热心肠的互联网老兵,我决定把宝贵的AI知识分享给大家。 至于能学习到多少就看你的学习毅力和能力了 。我已将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。
这份完整版的大模型 AI 学习资料已经上传CSDN,朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费
】
一、全套AGI大模型学习路线
AI大模型时代的学习之旅:从基础到前沿,掌握人工智能的核心技能!
二、640套AI大模型报告合集
这套包含640份报告的合集,涵盖了AI大模型的理论研究、技术实现、行业应用等多个方面。无论您是科研人员、工程师,还是对AI大模型感兴趣的爱好者,这套报告合集都将为您提供宝贵的信息和启示。
三、AI大模型经典PDF籍
随着人工智能技术的飞速发展,AI大模型已经成为了当今科技领域的一大热点。这些大型预训练模型,如GPT-3、BERT、XLNet等,以其强大的语言理解和生成能力,正在改变我们对人工智能的认识。 那以下这些PDF籍就是非常不错的学习资源。
四、AI大模型商业化落地方案
作为普通人,入局大模型时代需要持续学习和实践,不断提高自己的技能和认知水平,同时也需要有责任感和伦理意识,为人工智能的健康发展贡献力量。
本文转自 https://blog.csdn.net/m0_59164304/article/details/140671913?spm=1001.2014.3001.5501,如有侵权,请联系删除。