击败 GPT-4o 的开源模型如何炼成？关于 Llama 3.1 405B，Meta 都写在这篇论文里了_AI阅读总结

包阅导读总结

“`

Llama 3.1 、开源模型、Meta 、GPT-4o 、性能提升

“`

Llama 3.1 昨夜正式发布，将上下文长度扩展，有多个版本。405B 版性能接近 GPT-4o，Meta 公布相关论文揭示研究细节，包括数据、规模、推理优化等方面的改进，还涉及多模态扩展和许可证更新。

– Llama 3.1 发布

– 提前两天意外泄露，昨夜正式发布

– 上下文长度扩展到 128K，有 8B、70B 和 405B 版本

– 性能与意义

– 405B 性能接近 GPT-4o，刷新开源基础模型能力上限

– 论文揭示研究细节

– 论文亮点

– 预训练和连续训练及多语言和工具支持

– 改进预处理和数据，优化训练规模和时长

– 量化降低计算要求支持大规模推理

– 优化训练堆栈，使用大量 GPU

– 多轮后训练完善 Chat 模型

– 开发多模态扩展

– 更新许可证

– 发布后的情况

– 生态系统就绪，众多伙伴提供服务

思维导图：

文章地址：https://www.jiqizhixin.com/articles/2024-07-24-6

文章来源：jiqizhixin.com

作者：机器之心

发布时间：2024/7/24 6:35

语言：中文

总字数：1499字

预计阅读时间：6分钟

评分：92分

标签：大模型,开源,Meta,性能优化,多语言支持

以下为原文内容

本内容来源于用户推荐转载，旨在分享知识与观点，如有侵权请联系删除联系邮箱 media@ilingban.com

经历了提前两天的「意外泄露」之后，Llama 3.1 终于在昨夜由官方正式发布了。

Llama 3.1 将上下文长度扩展到了 128K，拥有 8B、70B 和 405B 三个版本，再次以一已之力抬高了大模型赛道的竞争标准。

对 AI 社区来说，Llama 3.1 405B 最重要的意义是刷新了开源基础模型的能力上限，Meta 官方称，在一系列任务中，其性能可与最好的闭源模型相媲美。

下表展示了当前 Llama 3 系列模型在关键基准测试上的性能。可以看出，405B 模型的性能与 GPT-4o 十分接近。

与此同时，Meta 公布了《The Llama 3 Herd of Models》论文，揭示了 Llama 3 系列模型迄今为止的研究细节。

^{论文地址：https://ai.meta.com/research/publications/the-llama-3-herd-of-models/}

接下来，让我们看一下论文内容。

Llama3 论文亮点

1、在使用 8K 上下文长度进行预训练后，Llama 3.1 405B 使用 128K 上下文长度进行连续训练，且支持多语言和工具使用。

2、与以前的 Llama 模型相比，Meta 加强了预处理和预训练数据的 Curation pipelines，以及后训练数据的质量保证和过滤方法。

Meta 认为，高质量基础模型的开发有三个关键杠杆：数据、规模和复杂性管理。

首先，与 Llama 的早期版本相比，Meta 在数量和质量两方面改进了用于预训练和后训练的数据。Meta 在大约 15 万亿的多语言 Token 语料库上对 Llama 3 进行了预训练，相比之下，Llama 2 只使用了 1.8 万亿 Token。

此次训练的模型规模远大于以前的 Llama 模型：旗舰语言模型使用了 3.8 × 10²⁵ 次浮点运算（FLOPs）进行预训练，超过 Llama 2 的最大版本近 50 倍。

基于 Scaling law，在 Meta 的训练预算下，当前的旗舰模型已是近似计算最优的规模，但 Meta 对较小模型进行的训练时间已经远超计算最优的时长。结果表明，这些较小模型在相同推理预算下的表现优于计算最优模型。在后训练阶段，Meta 使用了 405B 的旗舰模型进一步提高了 70B 和 8B 模型这些较小模型的质量。

3、为了支持 405B 模型的大规模生产推理，Meta 将 16 位 (BF16) 量化为 8 位 (FP8)，从而降低了计算要求，并使模型能够在单个服务器节点上运行。

4、在 15.6T token（3.8×10²⁵ FLOPs）上预训练 405B 是一项重大挑战，Meta 优化了整个训练堆栈，并使用了超过 16K H100 GPU。

正如 PyTorch 创始人、Meta 杰出工程师 Soumith Chintala 所说，Llama3 论文揭示了许多很酷的细节，其中之一就是基础设施的构建。

5、在后训练中，Meta 通过多轮对齐来完善 Chat 模型，其中包括监督微调（SFT）、拒绝采样和直接偏好优化。大多数 SFT 样本由合成数据生成。

研究者在设计中做出了一些选择，以最大化模型开发过程的可扩展性。例如，选择标准的密集 Transformer 模型架构，只进行了少量调整，而不是采用专家混合模型，以最大限度地提高训练的稳定性。同样，采用相对简单的后训练程序，基于监督微调（SFT）、拒绝采样（RS）和直接偏好优化（DPO），而不是更复杂的强化学习算法，因为后者往往稳定性较差且更难扩展。

6、作为 Llama 3 开发过程的一部分，Meta 团队还开发了模型的多模态扩展，使其具备图像识别、视频识别和语音理解的能力。这些模型仍在积极开发中，尚未准备好发布，但论文展示了对这些多模态模型进行初步实验的结果。

7、Meta 更新了许可证，允许开发者使用 Llama 模型的输出结果来增强其他模型。

在这篇论文的最后，我们还看到了长长的贡献者名单：