【LLM大模型】Llama3.1技术报告解读

瓦罗兰特顶级C位

于 2024-08-16 17:26:50 发布

阅读量947

点赞数 26

文章标签：自然语言处理 LLM 语言模型人工智能 llama 大模型

本文链接：https://blog.csdn.net/Wufjsjjx/article/details/141265374

版权

模型架构

Llama3.1共开源了8B、70B、405B三种参数量的模型，三个模型具体信息如下图，其中405B除了BF16精度，还有FP8量化版模型，针对8B额外开源了经过内容安全分类微调的Llama-Guard-3-8B。

主要看点总结如下：

Llama3.1 405B依然使用decoder-only结构的transformer，没有使用混合专家。
词表大小是128256，和Llama3一样。rope_theta是500000，和Llama3也一样。

3.最大生成上下文长度从Llama3的8192，增加到131072

在语言模型后训练阶段（本文最后面有最新版的Llama训练思路），405B通过监督微调和直接偏好优化等，进一步提升了模型的性能和适应性。监督微调使用大量的人工标注数据来微调模型，使其能够更好地遵循人类的指令和偏好；直接偏好优化则通过学习人类的偏好来优化模型的输出，使其更加符合人类的期望。
对于小参数量模型，Meta使用405B模型去提升小参数量模型的效果。

在这里插入图片描述

Llama3.1 模型具体参数（纠正一下图里405B模型的Key/Value Heads数量是16）

重要：纠正一下图里405B模型的Key/Value Heads数量是16

模型效果

llama3.1模型效果再150多个数据集中进行了测试，同时也进行了人工测试。

实验表明，最大的405B模型与业界最好的闭源模型GPT-4, GPT-4o, and Claude 3.5 Sonnet性能不相上下。

小参数量8B和70B模型与参数量相当的闭源模型也有竞争力。

在这里插入图片描述

Llama3.1 405B数据集评测结果

在这里插入图片描述

Llama3.1 8B/70B数据集评测结果

在这里插入图片描述

Llama3.1 405B人工评估

Llama System

开源了推理系统（meta-llama/llama-agentic-system: Agentic components of the Llama Stack APIs (github.com)

），可以方便的再本地运行Llama，该系统由社区共建。

Llama3训练思路（更新至2024/07/23）：

链接: https://pan.baidu.com/s/1XyWmeC4HIP-aY0vDjqbCUg?pwd=h792 提取码: h792

模型下载链接： meta-llama/Meta-Llama-3.1-405B · Hugging Face（名字、公司等信息填写国外的，审核大概需要1-2天）

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等, 😝有需要的小伙伴，可以 扫描下方二维码领取🆓↓↓↓

👉CSDN大礼包🎁：全网最全《LLM大模型入门+进阶学习资源包》免费分享（安全链接，放心点击）👈

一、LLM大模型经典书籍

AI大模型已经成为了当今科技领域的一大热点，那以下这些大模型书籍就是非常不错的学习资源。

在这里插入图片描述

二、640套LLM大模型报告合集

这套包含640份报告的合集，涵盖了大模型的理论研究、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。(几乎涵盖所有行业)

在这里插入图片描述

三、LLM大模型系列视频教程

在这里插入图片描述

四、LLM大模型开源教程（LLaLA/Meta/chatglm/chatgpt）

在这里插入图片描述

LLM大模型学习路线 ↓

阶段1：AI大模型时代的基础理解

目标：了解AI大模型的基本概念、发展历程和核心原理。
内容：
- L1.1 人工智能简述与大模型起源
- L1.2 大模型与通用人工智能
- L1.3 GPT模型的发展历程
- L1.4 模型工程
- L1.4.1 知识大模型
- L1.4.2 生产大模型
- L1.4.3 模型工程方法论
- L1.4.4 模型工程实践
- L1.5 GPT应用案例

阶段2：AI大模型API应用开发工程

目标：掌握AI大模型API的使用和开发，以及相关的编程技能。
内容：
- L2.1 API接口
- L2.1.1 OpenAI API接口
- L2.1.2 Python接口接入
- L2.1.3 BOT工具类框架
- L2.1.4 代码示例
- L2.2 Prompt框架
- L2.3 流水线工程
- L2.4 总结与展望