LLaMA
 | 此條目可參照英語維基百科相應條目來擴充。 (2024年6月1日) |
| 開發者 | Meta AI |
|---|---|
| 首次發佈 | 2023年2月24日 |
| 當前版本 |
|
| 原始碼庫 | github |
| 程式語言 | Python |
| 類型 | |
| 許可協議 | Meta Llama 3 Community License[2] |
| 網站 | llama |
LLaMA（英語：Large Language Model Meta AI）是Meta AI公司於2023年2月發佈的大型語言模型。它訓練了各種模型，這些模型的參數從70億到650億不等。LLaMA的開發人員報告說，LLaMA運行的130億參數模型在大多數NLP基準測試中的性能超過了更大的、具有1750億參數的GPT-3提供的模型，且LLaMA的模型可以與PaLM和Chinchilla等最先進的模型競爭[3]。雖然其他強大的大語言模型通常只能通過有限的API訪問，但Meta在非商業許可的情況下發佈了LLaMA的模型權重，供研究人員參考和使用[4][5] [6]。2023年7月，Meta推出LLaMA2，這是一種可用於商業應用的開源AI模型[7]。
LLaMA2
[編輯]2023年7月，Facebook母公司Meta推出了LLaMA2，LLaMA2是一種開源大語言模型（LLM），旨在挑戰大型科技競爭對手的限制性做法。Meta免費發佈LLaMA2背後的代碼和數據，使世界各地的研究人員能夠利用和改進該技術。 Meta的行政總裁馬克·扎克伯格一直直言不諱地強調開源軟件對於刺激創新的重要性。[8][7]
Meta訓練並發佈了三種模型大小的LLaMA2：70、130和700億個參數。模型架構與LLaMA1模型基本保持不變，但用於訓練基礎模型的數據增加了 40%。隨附的預印本還提到了一個具有34B參數的模型，該模型可能在未來滿足安全目標後發佈。
LLaMA2包括基礎模型和針對對話進行微調的模型，稱為 Llama 2 - 聊天。與LLaMA1進一步不同的是，所有模型都附帶權重，並且對於許多商業用例都是免費的。然而，由於一些剩餘的限制，Llama開源的描述受到了開源倡議組織（以維護開源定義而聞名）的爭議。[9]
Code Llama
[編輯]2023年8月，Meta繼發佈用於生成文本、翻譯語言和創建音頻的人工智能模型之後，開源了 Code Llama。這是一個機器學習系統，可以用自然語言（特別是英語）生成和解釋代碼。 可以免費商用和研究。[10]
Code Llama是從Llama-2基礎模型微調而來，共有三個版本：基礎版、Python版、以及指令遵循。 類似於 GitHub Copilot 和 Amazon CodeWhisperer，以及 StarCoder、StableCode 和 PolyCoder 等開源人工智能代碼生成器，Code Llama 可以跨多種程式語言完成代碼並調試現有代碼，包括 Python、C、Java、PHP、 Typescript、C# 和 Bash。[11]
在訓練 Code Llama 時，Meta 使用了與訓練 Llama 2 相同的數據集——來自網絡的公開可用資源的混合。但可以說，它的模型「強調」了包含代碼的訓練數據的子集。從本質上講，Code Llama 比它的「父」模型 Llama 2 有更多的時間來學習代碼和自然語言之間的關係。每個 Code Llama 模型的大小從 70 億個參數到 340 億個參數不等，均使用 5000 億個代碼標記以及與代碼相關的數據進行訓練。多個 Code Llama 模型可以將代碼插入到現有代碼中，並且所有模型都可以接受大約 100,000 個代碼標記作為輸入，而至少一個（70 億個參數模型）可以在單個 GPU 上運行。（其他模型則需要更強大的硬件。）Meta 聲稱，340 億個參數的模型是迄今為止所有開原始碼生成器中性能最好的，也是參數數量最多的。[11]
Llama 3
[編輯]2024年4月18日，Meta發佈了Llama-3，有兩種模型大小尺寸：8B和70B參數。 [12] 這些模型已經根據從「公開可用來源」收集的大約 15 萬億個文本標記進行了預訓練，並且指導模型根據「公開可用的指令數據集以及超過 1000 萬個人工註釋的示例」進行了微調。 計劃發佈多模式模型、能夠以多種語言進行對話的模型以及具有更大上下文窗口的模型。
於2024年7月23日增量更新至Llama-3.1。具有8B、70B、405B參數三種模型大小尺寸。[12]
Meta AI 的測試表明，Llama 3 70B 在大多數基準測試中都擊敗了 Gemini 和 Claude。[13][14]
模型比較
[編輯]對於訓練成本列，只寫出最大模型的成本。例如，「21,000」是 Llama 2 69B 的訓練成本，單位為 petaFLOP-day。另外，1 petaFLOP-day = 1 petaFLOP/秒 × 1 天 = 8.64E19 FLOP。
| 名稱 | 發佈日期 | 參數 | 訓練成本 (petaFLOP-day) | 上下文長度 | 語料庫大小 | 商業可行性？ |
|---|---|---|---|---|---|---|
| LLaMA | 2023-02-24 |
|
6,300[15] | 2048 | 1–1.4T | 否 |
| Llama 2 | 2023-07-18 |
|
21,000[16] | 4096 | 2T | 是 |
| Code Llama | 2023-08-24 |
|
||||
| Llama 3 | 2024-04-18 |
|
100,000[17][18] | 8192 | 15T | |
| Llama 3.1 | 2024-07-23 |
|
440,000[19][20] | 128,000 |
架構與訓練
[編輯]數據集
[編輯]2023年4月17日，GitHub的Together啟動了一個名為RedPajama的項目，以複製和分發LLaMA數據集的開源版本。[21][22]
反響
[編輯]《連線》 (Wired) 雜誌稱Llama 3的 8B 參數版本「能力出奇地強」，考慮到它的大小。[23]
Meta將Llama整合到Facebook後，人們的反應褒貶不一，一些用戶在Meta AI告訴家長群它有一個孩子後感到困惑。[24]
根據2023年第四季度的收益記錄，Meta採用了開放權重的策略來提高模型安全性、迭代速度，增加開發人員和研究人員的採用率，並成為行業標準。未來計劃推出 Llama 5、6 和 7。[25]
參見
[編輯]
參考資料
[編輯]- ^ Introducing Llama 3.1: Our most capable models to date. 2024年7月23日 [2024年7月24日].
- ^ llama3/LICENSE at main · meta-llama/llama3. GitHub. [2024-05-25]. （原始內容存檔於2024-05-24） （英語）.
- ^ Touvron, Hugo; Lavril, Thibaut; Izacard, Gautier; Martinet, Xavier; Lachaux, Marie-Anne; Lacroix, Timothée; Rozière, Baptiste; Goyal, Naman; Hambro, Eric; Azhar, Faisal; Rodriguez, Aurelien; Joulin, Armand; Grave, Edouard; Lample, Guillaume. LLaMA: Open and Efficient Foundation Language Models. 2023. arXiv:2302.13971
[cs.CL].
- ^ Introducing LLaMA: A foundational, 65-billion-parameter large language model. Meta AI. 24 February 2023 [2023-06-14]. （原始內容存檔於2023-03-03）.
- ^ Vincent, James. Meta's powerful AI language model has leaked online — what happens now?. The Verge. 8 March 2023 [2023-06-14]. （原始內容存檔於2023-11-03）.
- ^ 差一步称霸AI：历史进程中的扎克伯格, 远川研究所, 澎湃. [2023-06-28]. （原始內容存檔於2023-06-28）.
- ^ 7.0 7.1 Meta launches Llama 2, a source-available AI model that allows commercial applications. [2023-07-21]. （原始內容存檔於2023-11-07）.
- ^ LLaMA 2: How to access and use Meta’s versatile open-source chatbot right now. [2023-07-20]. （原始內容存檔於2023-11-03）.
- ^ Maffulli, Stefano. Meta’s LLaMa 2 license is not Open Source. Voices of Open Source. 2023-07-20 [2023-08-29]. （原始內容存檔於2023-10-10） （美國英語）.
- ^ Code Llama: Open Foundation Models for Code, URL=https://ai.meta.com/research/publications/code-llama-open-foundation-models-for-code/ （頁面存檔備份，存於互聯網檔案館）
- ^ 11.0 11.1 Meta releases Code Llama, a code-generating AI model, Kyle Wiggers, August 24, 2023 URL=https://techcrunch.com/2023/08/24/meta-releases-code-llama-a-code-generating-ai-model/ （頁面存檔備份，存於互聯網檔案館）
- ^ 12.0 12.1 Introducing Meta Llama 3: The most capable openly available LLM to date. ai.meta.com. April 18, 2024 [2024-04-21] （英語）.
- ^ Wiggers, Kyle. Meta releases Llama 3, claims it's among the best open models available. TechCrunch. 18 April 2024.
- ^ Mann, Tobias. Meta debuts third-generation Llama large language model. www.theregister.com （英語）.
- ^ The Falcon has landed in the Hugging Face ecosystem. huggingface.co. [2023-06-20].
- ^ llama/MODEL_CARD.md at main · meta-llama/llama. GitHub. [2024-05-28] （英語）.
- ^ Andrej Karpathy (Apr 18, 2024), The model card has some more interesting info too
- ^ llama3/MODEL_CARD.md at main · meta-llama/llama3. GitHub. [2024-05-28] （英語）.
- ^ "The Llama 3 Herd of Models" (July 23, 2024) Llama Team, AI @ Meta
- ^ llama-models/models/llama3_1/MODEL_CARD.md at main · meta-llama/llama-models. GitHub. [2024-07-23] （英語）.
- ^ RedPajama-Data: An Open Source Recipe to Reproduce LLaMA training dataset. GitHub. Together. [4 May 2023]. （原始內容存檔於2023-11-07）.
- ^ RedPajama-Data-1T. Hugging Face. Together. [4 May 2023]. （原始內容存檔於2023-11-03）.
- ^ Knight, Will. Meta's Open Source Llama 3 Is Already Nipping at OpenAI's Heels. Wired.
- ^ Meta's amped-up AI agents confusing Facebook users. ABC News. 19 April 2024 （澳大利亞英語）.
- ^ https://s21.q4cdn.com/399680738/files/doc_financials/2023/q4/META-Q4-2023-Earnings-Call-Transcript.pdf
外部連結
[編輯]
| ||||||||||||||||||||||||||||||||||||||||||||
| |||||||||||||||||||||||||||||||||||||||||||||||