ChatGPT 拉开了大模型比赛的序幕，Meta 仿佛要青出于蓝了。
本周四，AI 畛域迎来严重信息，Meta 正式发布了人们等候已久的开源大模型 Llama 3。
与此同时，扎克伯格宣布：基于最新的 Llama 3 模型，Meta 的 AI 助手如今曾经笼罩 Instagram、WhatsApp、Facebook 等全系运行，并独自开启了网站。另外还有一个图像生成器，可依据人造言语提醒词生成图片。
扎克伯格示意，Meta 提供的生成式 AI 才干在收费产品中性能是最弱小的。
在 Facebook、Instagram、WhatsApp 和 Messenger 上，用户如今可以借助 Meta AI 启动搜查，无需在运行程序之间切换：
当你阅读信息流的时刻，还可以间接从帖子中向 Meta AI 征询更多信息：
图像生成器带来的玩法愈加幽默，Imagine 配置带来了从文本实时创立图像。这一配置的测试版从当天开局在美国的 WhatsApp 和 Meta AI 网络体验上推出。
开局打字时，你会看到一个图像出现，每多输入几个字母，图像都会出现变动：
Meta 示意，Llama 3 在多个关键的基准测试中性能优于业界先进同类模型，其在代码生成等义务上成功了片面上游，能够启动复杂的推理，可以更遵照指令，能够可视化想法并处置很多巧妙的疑问。
简而言之，Llama 3 的关键亮点包括：
刚刚发布的 8B 和 70B 版本 Llama 3 模型已用于 Meta AI 助手，同时也面向开发者启动了开源，包括预训练和微调版本：
体量更大的多模态版本将在未来几个月内推出。Meta 称，目前正在开发的最大模型是 B+ 参数。
Meta 钻研迷信家 Aston Zhang 在大模型发布后示意，在 Llama 3 的研发环节中，钻研团队一同应答了预训练和人类数据、预训练裁减、长高低文、后训练和评价方面的诸多应战。这是一段困难而又激动人心的旅程。
愈加激动人心的内容行未来到：Meta 的钻研者如今预备推出系列视频，协助人们深化了解 Llama 3 面前的技术。此外 Llama 3 的关系钻研论文也将放出。
最新发布的 8B 和 70B 参数的 Llama 3 模型可以说是 Llama 2 的严重飞跃，由于预训练和后训练（Post-training）的改良，本次发布的预训练和指令微调模型是当今 8B 和 70B 参数规模中的最佳模型。与此同时，后训练环节的改良大大降落了模型出错率，进一步改善了分歧性，并参与了模型照应的多样性。
Llama 3 将数据和规模优化到新的高度。Meta 示意，Llama 3 是在两个定制的 24K GPU 集群上、基于超越 15T token 的数据上启动了训练 —— 相当于 Llama 2 数据集的 7 倍还多，代码数据相当于 Llama 2 的 4 倍。从而发生了迄今为止最弱小的 Llama 模型，Llama 3 支持 8K 高低文长度，是 Llama 2 容量的两倍。
此外，Meta 还开发了一套新的高品质人类评价数据集。该评价集蕴含 1800 个提醒，涵盖 12 个关键用例：寻求倡导、头脑风暴、分类、敞开式问答、编码、创意写作、提取、塑造角色、放开式问答、推理、重写和总结。为了防止 Llama 3 在此评价集上出现适度拟合，Meta 示意他们自己的团队也不可访问该数据集。下图显示了针对 Claude Sonnet、Mistral Medium 和 GPT-3.5 对这些类别和提醒启动人工评价的汇总结果。
下图是 Llama 3 预训练模型和其余等同规模模型的比拟，前者体现出 SOTA 水平。
为了开收回杰出的言语模型，Meta 以为翻新、裁减和优化是十分关键的。因此在 Llama 3 的研发中 Meta 驳回了这一设计理念，重点关注四个关键因素：模型架构、预训练数据、裁减预训练和指令微调。
Llama 3 选用了相对规范的纯解码器 Transformer 架构。与 Llama 2 相比，Llama 3 做了几个关键的改良，包括：
为了训练最好的言语模型，治理大型、高品质的训练数据集至关关键。Meta 在预训练数据上投入了少量老本。Llama 3 经常使用超越 15T 的 token 启动了预训练，这些 token 都是从地下来源搜集的。总体上讲，Llama 3 的训练数据集是 Llama 2 经常使用的数据集的七倍多，并且蕴含四倍多的代码。为了为行未来到的多言语用例做好预备，超越 5% 的 Llama 3 预训练数据集由涵盖 30 多种言语的高品质非英语数据组成。然而，Llama 3 在这些言语上的性能水平估量不会与英语相反。
为了确保 Llama 3 接受最高品质数据的训练，钻研团队开发了一系列数据过滤 pipeline，包括经常使用启示式过滤器（filter）、NSFW 过滤器、语义反双数据删除方法和文本分类器来预测数据品质。
钻研团队发现前几代 Llama 十分长于识别高品质数据，因此 Meta 经常使用 Llama 2 为给 Llama 3 提供支持的文本品质分类器生成训练数据。
为了有效应用 Llama 3 模型的预训练数据，Meta 投入了少量精神来裁减预训练。
详细来说，Meta 为下游基准评价制订了一系列详细的裁减规律。这些裁减规律使 Meta 能够选用最佳的数据组合，并就如何最好地经常使用训练计算做出理智的决策。
关键的是，裁减规律使 Meta 能够在实践训练模型之前预测最大模型在关键义务上的性能（例如，在 HumanEval 基准上评价的代码生成性能）。这有助于确保最终模型在各种用例和配置上都具备弱小的性能。
在 Llama 3 的开发环节中，Meta 对裁减行为启动了一些新的观察。例如，虽然 8B 参数模型的 Chinchilla 最佳训练计算量对应约 200B token，但 Meta 发现即使在模型接受了两个数量级以上的数据训练之后，模型性能仍在继续提高。
在对多达 15T token 启动训练后，8B 和 70B 参数的模型都继续以对数线性的模式优化性能。较大的模型可以用较少的训练计算来婚配较小模型的性能，但较小的模型通常是首选，由于它们在推理环节中效率更高。
Meta 泄漏，它们经常使用自定义训练库、Meta 的超级集群和消费集群预训练 Llama3。微调、注释和评价在第三方云计算上启动。
预训练是在 H100-80GB 类型的配件（TDP 为 700W）上累计 770 万个 GPU 小时的计算。
为了训练最大的 Llama 3 模型，Meta 结合了三种类型的并行化：数据并行化、模型并行化和管道并行化。
当同时在 16K GPU 上启动训练时，Meta 最高可成功每个 GPU 超越 TFLOPS 的计算应用率。Llama3 是在两个定制的 24K GPU 集群上启动了训练。为了最大限制地延伸 GPU 的反常运转期间，Meta 开发了一种先进的新训练堆栈，可以智能口头失误检测、处置和保养。Meta 还极大地改良了配件牢靠性和静默数据损坏检测机制，并且开发了新的可裁减存储系统，以缩小审核点和回滚的开支。
这些改良使总体有效训练期间超越 95%。
综合起来，这些改良使 Llama 3 的训练效率比 Llama 2 提高了约三倍。
为了充沛监禁预训练模型在聊天场景中的后劲，Meta 还对指令微调方法启动了翻新。Llama 3 后训练方法用的是有监视微调（SFT）、拒绝采样、近端战略优化（PPO）和间接战略优化（DPO）的组合。SFT 中经常使用的 prompt 品质以及 PPO 和 DPO 中经常使用的偏好排序对模型对齐有着渺小的影响。
此次模型品质的最大改良，来自于细心整顿数据以及对人类注释者提供的注释启动多轮品质保障。
经过 PPO 和 DPO 从偏好排序中学习，也极大地提高了 Llama 3 在推理和编码义务上的性能。Meta 发现，假设你向模型提出一个它难以回答的推理疑问，该模型有时会发生正确的推理轨迹：模型知道如何发生正确的答案，但不知道如何选用它。对偏好排序的训练使模型能够学习如何选用正确答案。
在此版本中，Meta 提供了新的信赖与安保工具，包括 Llama Guard 2 和 Cybersec Eval 2 的更新组件，并引入了 Code Shield—— 一种过滤大模型生成的不安保代码的防护栏。
Meta 还用 torchtune 开发了 Llama 3。torchtune 是新的 PyTorch 原生库，可以轻松地经常使用 LLM 启动创作、微和谐试验。
torchtune 提供齐全用 PyTorch 编写的内存高效且可解除的训练方法。该库与 Hugging Face、Weights & Biases 和 EleutherAI 等出名平台集成，甚至支持 Executorch，以便在各种移动和边缘设施上运转高效推理。
从极速工程到将 Llama 3 与 LangChain 结合经常使用，Meta 提供了片面的入门指南，指点开发者启动大规模部署。
Meta 驳回了一种新的、系统级的方法来担任任地开发和部署 Llama，将 Llama 模型视为更宽泛系统的一局部，让开发者把握主导权。Llama 模型将作为系统的基础局部，由开发人员依据其共同的最终目的启动设计。
指令微调在确保模型安保性方面也施展了关键作用。经过外部和外部的共同致力，Meta 对经过指令微调的模型启动了安保红队（测试）。
「红队」方法应用人类专家和智能化方法生成反抗性提醒，试图诱发有疑问的反响。例如，驳回综合测试来评价与化学、动物、网络安保和其余危险畛域无关的滥用危险。一切这些上班都是重复启动的，并用于对发布的模型启动安保微调。
Llama Guard 模型旨在为及时照应安保奠定基础，并可依据运行需求轻松微调以创立新的分类规范。作为终点，新版 Llama Guard 2 驳回了最近发布的 MLCommons 分类规范。此外，CyberSecEval 2 在其前身的基础上启动了裁减，参与了对 LLM 准许滥用其代码解释器的偏差、网络安保才干以及对提醒注入打击的易理性的测量。最后，Meta 将推出代码盾（Code Shield），它参与了对 LLM 生成的不安保代码启动推理时过滤的支持。这可以降落不安保代码倡导、代码解释器滥用预防和安保命令口头方面的危险。
随着生成式人工智能畛域的极速开展，开源将是将生态系统整合在一同并缩小这些潜在危害的关键路径。
为此，Meta 继续更新《担任任经常使用指南》（RUG），该指南为担任任地经常使用 LLM 启动开发提供了片面指点。比如像指南中所概述的那样，一切输入和输入都应依据适宜运行的内容指南启动审核和过滤。此外，许多云服务提供商都提供了用于担任任部署的内容审核 API 和其余工具，开发人员也被倡导思考经常使用这些选项。
Llama 3 行将在一切关键平台上推出，包括云提供商、模型 API 提供商等。
基准测试标明，tokenizer 提高了 token 化效率，与 Llama 2 相比，token 生成量最多可缩小 15%。此外，组查问关注（GQA）如今也被参与到了 Llama 3 8B。
因此，虽然与 Llama 2 7B 相比，该模型多了 1B 个参数，但 tokenizer 效率和 GQA 的改良有助于坚持与 Llama 2 7B 相当的推理效率。
在 Llama Recipes（）中，引见了无关如何应用一切这些配置的示例，其中蕴含一切的放开源代码，可用于从微调、部署到模型评价的一切上班。
8B 和 70B 两个型号的模型，标记着 Llama 3 系列的开局，下一步还会有更多。
Meta 示意， 「最大的 Llama 3」参数超越 B，虽然这些机型仍在训练中，但在接上去的几个月中也将陆续发布，新配置包括多模态、多言语对话才干、更长的高低文窗口以及更强的全体才干。
一旦成功 Llama 3 的训练，Meta 还将宣布一篇详细的钻研论文。
Llama 3 还未来到的 B+ 版本会有多强？它一旦发布是不是象征着开源社区就将迎来 GPT-4 级大模型？
Jim Fan 整顿的 Llama3 B 与 GPT-4 等模型的比分。
兴许只要 OpenAI 的 GPT-5 才干压下开源模型了。