Llama家族再添新成员,多模态能力终于到来!
Meta刚刚发布了Llama 3.2模型系列,包括多模态视觉模型和小型文本模型,共计10个开放权重模型。
这次更新不仅带来了期待已久的视觉能力,还为移动设备和边缘计算提供了更多选择。
多模态Llama:视觉能力终于解锁
Llama 3.2 Vision模型终于为Llama家族带来了多模态能力。它提供了两种尺寸:
- 11B版本:适合在消费级GPU上高效部署和开发
- 90B版本:适用于大规模应用
90B版本中,其中18B用于新视觉功能。
并且,模型在视觉能力上超越了所有闭源模型。
这两个版本都有基础模型和指令微调变体。除此之外,Meta还发布了支持视觉的Llama Guard 3新版本,可以对模型输入和输出进行分类,包括检测有害的多模态提示或助手回复。
小而强大:1B和3B文本模型登场
Llama 3.2还推出了可在设备上运行的小型文本语言模型,包括1B和3B两种新尺寸,每种都有基础和指令变体。这些模型具有强大的能力:
- 支持多语言:英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语
- 长上下文:支持128k token的长上下文
- 性能出色:3B模型在IFEval基准测试上的表现与8B模型相当
这些小型模型非常适合提示重写、多语言知识检索、摘要任务、工具使用和本地运行的助手等应用场景。
技术细节:模型架构与训练
Llama 3.2 Vision模型的架构基于Llama 3.1 LLM与视觉塔和图像适配器的组合:
- 11B Vision模型使用Llama 3.1 8B作为文本模型
- 90B Vision模型使用Llama 3.1 70B作为文本模型
据了解,在训练视觉模型时,文本模型被冻结以保持文本性能。这些模型在包含60亿图像-文本对的大规模数据集上进行了训练。
小型文本模型遵循与Llama 3.1相同的架构,使用高达9万亿token进行训练,同样支持128k token的长上下文。
超强性能
Meta公布的基准测试结果显示,Llama 3.2 Vision模型在多个任务上表现出色:
- MMMU(验证集):11B模型达到50.7%,90B模型达到60.3%
- VQAv2(测试集):11B模型达到75.2%,90B模型达到78.1%
- DocVQA(测试集):11B模型达到88.4%,90B模型达到90.1%
小型文本模型的性能同样令人惊喜。在Open LLM Leaderboard评估中,3B模型在某些任务上甚至接近8B模型的表现。特别是在IFEval基准测试中,3B指令模型与8B指令模型表现相当,这使其非常适合需要严格遵循指令的应用场景。
许可变更:欧盟用户受限
值得注意的是,Llama 3.2的许可条款有一项重要变更:欧盟境内的个人或公司不被授予使用Llama 3.2多模态模型的许可权利。这一限制不适用于最终用户,因此开发者仍可使用这些模型构建面向全球的产品。
生态系统支持:便捷使用与部署
Hugging Face生态系统为Llama 3.2提供了全面支持:
- 模型权重已上传至Hub
- Transformers和TGI集成了Vision模型
- 支持通过Inference Endpoints、Google Cloud、Amazon SageMaker和DELL Enterprise Hub进行推理和部署
- 提供了在单个GPU上微调Llama 3.2 11B Vision的示例
此外,还可以使用TRL对文本模型进行聊天和微调,Vision模型的微调支持也已添加到TRL中。
Llama家族的重要里程碑
Llama 3.2的发布标志着Meta在大语言模型领域又迈出了重要一步。多模态能力的加入和小型高效模型的推出,为研究人员和开发者提供了更多可能性。
最后分享
AI大模型作为人工智能领域的重要技术突破,正成为推动各行各业创新和转型的关键力量。抓住AI大模型的风口,掌握AI大模型的知识和技能将变得越来越重要。
学习AI大模型是一个系统的过程,需要从基础开始,逐步深入到更高级的技术。
这里给大家精心整理了一份全面的AI大模型学习资源,包括:AI大模型全套学习路线图(从入门到实战)、精品AI大模型学习书籍手册、视频教程、实战学习、面试题等,资料免费分享!
1. 成长路线图&学习规划
要学习一门新的技术,作为新手一定要先学习成长路线图,方向不对,努力白费。
这里,我们为新手和想要进一步提升的专业人士准备了一份详细的学习成长路线图和规划。可以说是最科学最系统的学习成长路线。
2. 大模型经典PDF书籍
书籍和学习文档资料是学习大模型过程中必不可少的,我们精选了一系列深入探讨大模型技术的书籍和学习文档,它们由领域内的顶尖专家撰写,内容全面、深入、详尽,为你学习大模型提供坚实的理论基础。(书籍含电子版PDF)
3. 大模型视频教程
对于很多自学或者没有基础的同学来说,书籍这些纯文字类的学习教材会觉得比较晦涩难以理解,因此,我们提供了丰富的大模型视频教程,以动态、形象的方式展示技术概念,帮助你更快、更轻松地掌握核心知识。
4. 大模型项目实战
学以致用 ,当你的理论知识积累到一定程度,就需要通过项目实战,在实际操作中检验和巩固你所学到的知识,同时为你找工作和职业发展打下坚实的基础。
5. 大模型面试题
面试不仅是技术的较量,更需要充分的准备。
在你已经掌握了大模型技术之后,就需要开始准备面试,我们将提供精心整理的大模型面试题库,涵盖当前面试中可能遇到的各种技术问题,让你在面试中游刃有余。
全套的AI大模型学习资源已经整理打包,有需要的小伙伴可以微信扫描下方CSDN官方认证二维码,免费领取【保证100%免费
】