ChatGPT 拉開了大模型競賽的序幕，Meta 似乎要后來居上了。

本周四，AI 領(lǐng)域迎來重大消息，Meta 正式發(fā)布了人們等待已久的開源大模型 Llama 3。

扎克伯格在 Facebook 上發(fā)帖：Big AI news today.

與此同時，扎克伯格宣布：基于最新的 Llama 3 模型，Meta 的 AI 助手現(xiàn)在已經(jīng)覆蓋 Instagram、WhatsApp、Facebook 等全系應(yīng)用，并單獨開啟了網(wǎng)站。另外還有一個圖像生成器，可根據(jù)自然語言提示詞生成圖片。

Meta AI 網(wǎng)址：https://www.meta.ai/

扎克伯格表示，Meta 提供的生成式 AI 能力在免費產(chǎn)品中性能是最強大的。

在 Facebook、Instagram、WhatsApp 和 Messenger 上，用戶現(xiàn)在可以借助 Meta AI 進行搜索，無需在應(yīng)用程序之間切換：

當你瀏覽信息流的時候，還可以直接從帖子中向 Meta AI 詢問更多信息：

圖像生成器帶來的玩法更加有趣，Imagine 功能帶來了從文本實時創(chuàng)建圖像。這一功能的測試版從今天開始在美國的 WhatsApp 和 Meta AI 網(wǎng)絡(luò)體驗上推出。

開始打字時，你會看到一個圖像出現(xiàn)，每多輸入幾個字母，圖像都會發(fā)生變化：

Meta 表示，Llama 3 在多個關(guān)鍵的基準測試中性能優(yōu)于業(yè)界先進同類模型，其在代碼生成等任務(wù)上實現(xiàn)了全面領(lǐng)先，能夠進行復(fù)雜的推理，可以更遵循指令，能夠可視化想法并解決很多微妙的問題。

簡而言之，Llama 3 的主要亮點包括：

• 基于超過 15T token 訓(xùn)練，相當于 Llama 2 數(shù)據(jù)集的 7 倍還多；
• 支持 8K 長文本，改進的 tokenizer 具有 128K token 的詞匯量，可實現(xiàn)更好的性能；
• 在大量重要基準中均具有最先進性能；
• 新能力范疇，包括增強的推理和代碼能力；
• 訓(xùn)練效率比 Llama 2 高 3 倍；
• 帶有 Llama Guard 2、Code Shield 和 CyberSec Eval 2 的新版信任和安全工具。

剛剛發(fā)布的 8B 和 70B 版本 Llama 3 模型已用于 Meta AI 助手，同時也面向開發(fā)者進行了開源，包括預(yù)訓(xùn)練和微調(diào)版本：

下載鏈接：https://llama.meta.com/llama-downloads/

Github：https://github.com/meta-llama/

體量更大的多模態(tài)版本將在未來幾個月內(nèi)推出。Meta 稱，目前正在開發(fā)的最大模型是 400B+ 參數(shù)。

Meta 研究科學(xué)家 Aston Zhang 在大模型發(fā)布后表示，在 Llama 3 的研發(fā)過程中，研究團隊一起應(yīng)對了預(yù)訓(xùn)練和人類數(shù)據(jù)、預(yù)訓(xùn)練擴展、長上下文、后訓(xùn)練和評估方面的諸多挑戰(zhàn)。這是一段艱難而又激動人心的旅程。

更加激動人心的內(nèi)容即將到來：Meta 的研究者現(xiàn)在準備推出系列視頻，幫助人們深入了解 Llama 3 背后的技術(shù)。此外 Llama 3 的相關(guān)研究論文也將放出。

Llama 3，性能重回王座

最新發(fā)布的 8B 和 70B 參數(shù)的 Llama 3 模型可以說是 Llama 2 的重大飛躍，由于預(yù)訓(xùn)練和后訓(xùn)練（Post-training）的改進，本次發(fā)布的預(yù)訓(xùn)練和指令微調(diào)模型是當今 8B 和 70B 參數(shù)規(guī)模中的最佳模型。與此同時，后訓(xùn)練過程的改進大大降低了模型出錯率，進一步改善了一致性，并增加了模型響應(yīng)的多樣性。 

Llama 3 將數(shù)據(jù)和規(guī)模提升到新的高度。Meta 表示，Llama 3 是在兩個定制的 24K GPU 集群上、基于超過 15T token 的數(shù)據(jù)上進行了訓(xùn)練 —— 相當于 Llama 2 數(shù)據(jù)集的 7 倍還多，代碼數(shù)據(jù)相當于 Llama 2 的 4 倍。從而產(chǎn)生了迄今為止最強大的 Llama 模型，Llama 3 支持 8K 上下文長度，是 Llama 2 容量的兩倍。

此外，Meta 還開發(fā)了一套新的高質(zhì)量人類評估數(shù)據(jù)集。該評估集包含 1800 個提示，涵蓋 12 個關(guān)鍵用例：尋求建議、頭腦風暴、分類、封閉式問答、編碼、創(chuàng)意寫作、提取、塑造角色、開放式問答、推理、重寫和總結(jié)。為了防止 Llama 3 在此評估集上出現(xiàn)過度擬合，Meta 表示他們自己的團隊也無法訪問該數(shù)據(jù)集。下圖顯示了針對 Claude Sonnet、Mistral Medium 和 GPT-3.5 對這些類別和提示進行人工評估的匯總結(jié)果。

下圖是 Llama 3 預(yù)訓(xùn)練模型和其他同等規(guī)模模型的比較，前者表現(xiàn)出 SOTA 水平。

為了開發(fā)出出色的語言模型，Meta 認為創(chuàng)新、擴展和優(yōu)化是非常重要的。因而在 Llama 3 的研發(fā)中 Meta 采用了這一設(shè)計理念，重點關(guān)注四個關(guān)鍵要素：模型架構(gòu)、預(yù)訓(xùn)練數(shù)據(jù)、擴展預(yù)訓(xùn)練和指令微調(diào)。

模型架構(gòu)

Llama 3 選擇了相對標準的純解碼器 Transformer 架構(gòu)。與 Llama 2 相比，Llama 3 做了幾個關(guān)鍵的改進，包括：

• Llama 3 使用具有 128K token 詞匯表的 tokenizer，可以更有效地對語言進行編碼，從而顯著提高模型性能；
• 為了提高 Llama 3 模型的推理效率，研究團隊在 8B 和 70B 大小的模型上采用了分組查詢注意力 (GQA)；
• 在 8192 個 token 的序列上訓(xùn)練模型，使用掩碼確保自注意力不會跨越文檔邊界。

訓(xùn)練數(shù)據(jù)

為了訓(xùn)練最好的語言模型，管理大型、高質(zhì)量的訓(xùn)練數(shù)據(jù)集至關(guān)重要。Meta 在預(yù)訓(xùn)練數(shù)據(jù)上投入了大量成本。Llama 3 使用超過 15T 的 token 進行了預(yù)訓(xùn)練，這些 token 都是從公開來源收集的。總體上講，Llama 3 的訓(xùn)練數(shù)據(jù)集是 Llama 2 使用的數(shù)據(jù)集的七倍多，并且包含四倍多的代碼。為了為即將到來的多語言用例做好準備，超過 5% 的 Llama 3 預(yù)訓(xùn)練數(shù)據(jù)集由涵蓋 30 多種語言的高質(zhì)量非英語數(shù)據(jù)組成。但是，Llama 3 在這些語言上的性能水平預(yù)計不會與英語相同。

為了確保 Llama 3 接受最高質(zhì)量數(shù)據(jù)的訓(xùn)練，研究團隊開發(fā)了一系列數(shù)據(jù)過濾 pipeline，包括使用啟發(fā)式過濾器（filter）、NSFW 過濾器、語義重復(fù)數(shù)據(jù)刪除方法和文本分類器來預(yù)測數(shù)據(jù)質(zhì)量。

研究團隊發(fā)現(xiàn)前幾代 Llama 非常擅長識別高質(zhì)量數(shù)據(jù)，因此 Meta 使用 Llama 2 為給 Llama 3 提供支持的文本質(zhì)量分類器生成訓(xùn)練數(shù)據(jù)。

研究團隊還進行了廣泛的實驗，以評估出在最終預(yù)訓(xùn)練數(shù)據(jù)集中不同來源數(shù)據(jù)的最佳混合方式，最終確保 Llama 3 在各種用例（包括日常問題、STEM、編碼、歷史知識等）中表現(xiàn)良好。

擴展預(yù)訓(xùn)練

為了有效利用 Llama 3 模型的預(yù)訓(xùn)練數(shù)據(jù)，Meta 投入了大量精力來擴展預(yù)訓(xùn)練。

具體來說，Meta 為下游基準評估制定了一系列詳細的擴展法則。這些擴展法則使 Meta 能夠選擇最佳的數(shù)據(jù)組合，并就如何最好地使用訓(xùn)練計算做出明智的決策。

重要的是，擴展法則使 Meta 能夠在實際訓(xùn)練模型之前預(yù)測最大模型在關(guān)鍵任務(wù)上的性能（例如，在 HumanEval 基準上評估的代碼生成性能）。這有助于確保最終模型在各種用例和功能上都具有強大的性能。

在 Llama 3 的開發(fā)過程中，Meta 對擴展行為進行了一些新的觀察。例如，雖然 8B 參數(shù)模型的 Chinchilla 最佳訓(xùn)練計算量對應(yīng)約 200B token，但 Meta 發(fā)現(xiàn)即使在模型接受了兩個數(shù)量級以上的數(shù)據(jù)訓(xùn)練之后，模型性能仍在繼續(xù)提高。

在對多達 15T token 進行訓(xùn)練后，8B 和 70B 參數(shù)的模型都繼續(xù)以對數(shù)線性的方式提升性能。較大的模型可以用較少的訓(xùn)練計算來匹配較小模型的性能，但較小的模型通常是首選，因為它們在推理過程中效率更高。

Meta 透露，它們使用自定義訓(xùn)練庫、Meta 的超級集群和生產(chǎn)集群預(yù)訓(xùn)練 Llama3。微調(diào)、注釋和評估在第三方云計算上進行。

預(yù)訓(xùn)練是在 H100-80GB 類型的硬件（TDP 為 700W）上累計 770 萬個 GPU 小時的計算。

為了訓(xùn)練最大的 Llama 3 模型，Meta 結(jié)合了三種類型的并行化：數(shù)據(jù)并行化、模型并行化和管道并行化。

當同時在 16K GPU 上進行訓(xùn)練時，Meta 最高可實現(xiàn)每個 GPU 超過 400 TFLOPS 的計算利用率。Llama3 是在兩個定制的 24K GPU 集群上進行了訓(xùn)練。為了最大限度地延長 GPU 的正常運行時間，Meta 開發(fā)了一種先進的新訓(xùn)練堆棧，可以自動執(zhí)行錯誤檢測、處理和維護。Meta 還極大地改進了硬件可靠性和靜默數(shù)據(jù)損壞檢測機制，并且開發(fā)了新的可擴展存儲系統(tǒng)，以減少檢查點和回滾的開銷。

這些改進使總體有效訓(xùn)練時間超過 95%。

綜合起來，這些改進使 Llama 3 的訓(xùn)練效率比 Llama 2 提高了約三倍。

指令微調(diào)

為了充分釋放預(yù)訓(xùn)練模型在聊天場景中的潛力，Meta 還對指令微調(diào)方法進行了創(chuàng)新。Llama 3 后訓(xùn)練方法用的是有監(jiān)督微調(diào)（SFT）、拒絕采樣、近端策略優(yōu)化（PPO）和直接策略優(yōu)化（DPO）的組合。SFT 中使用的 prompt 質(zhì)量以及 PPO 和 DPO 中使用的偏好排序?qū)δＰ蛯R有著巨大的影響。

此次模型質(zhì)量的最大改進，來自于仔細整理數(shù)據(jù)以及對人類注釋者提供的注釋進行多輪質(zhì)量保證。

通過 PPO 和 DPO 從偏好排序中學(xué)習(xí)，也極大地提高了 Llama 3 在推理和編碼任務(wù)上的性能。Meta 發(fā)現(xiàn)，如果你向模型提出一個它難以回答的推理問題，該模型有時會產(chǎn)生正確的推理軌跡：模型知道如何產(chǎn)生正確的答案，但不知道如何選擇它。對偏好排序的訓(xùn)練使模型能夠?qū)W習(xí)如何選擇正確答案。

使用 Llama 3

在此版本中，Meta 提供了新的信任與安全工具，包括 Llama Guard 2 和 Cybersec Eval 2 的更新組件，并引入了 Code Shield—— 一種過濾大模型生成的不安全代碼的防護欄。

Meta 還用 torchtune 開發(fā)了 Llama 3。torchtune 是新的 PyTorch 原生庫，可以輕松地使用 LLM 進行創(chuàng)作、微調(diào)和實驗。

torchtune 提供完全用 PyTorch 編寫的內(nèi)存高效且可解除的訓(xùn)練方法。該庫與 Hugging Face、Weights & Biases 和 EleutherAI 等知名平臺集成，甚至支持 Executorch，以便在各種移動和邊緣設(shè)備上運行高效推理。

從快速工程到將 Llama 3 與 LangChain 結(jié)合使用，Meta 提供了全面的入門指南，指導(dǎo)開發(fā)者進行大規(guī)模部署。

安全改進

Meta 采用了一種新的、系統(tǒng)級的方法來負責任地開發(fā)和部署 Llama，將 Llama 模型視為更廣泛系統(tǒng)的一部分，讓開發(fā)者掌握主導(dǎo)權(quán)。Llama 模型將作為系統(tǒng)的基礎(chǔ)部分，由開發(fā)人員根據(jù)其獨特的最終目標進行設(shè)計。

指令微調(diào)在確保模型安全性方面也發(fā)揮了重要作用。經(jīng)過內(nèi)部和外部的共同努力，Meta 對經(jīng)過指令微調(diào)的模型進行了安全紅隊（測試）。

「紅隊」方法利用人類專家和自動化方法生成對抗性提示，試圖誘發(fā)有問題的反應(yīng)。例如，采用綜合測試來評估與化學(xué)、生物、網(wǎng)絡(luò)安全和其他風險領(lǐng)域有關(guān)的濫用風險。所有這些工作都是反復(fù)進行的，并用于對發(fā)布的模型進行安全微調(diào)。

Llama Guard 模型旨在為及時響應(yīng)安全奠定基礎(chǔ)，并可根據(jù)應(yīng)用需求輕松微調(diào)以創(chuàng)建新的分類標準。作為起點，新版 Llama Guard 2 采用了最近公布的 MLCommons 分類標準。此外，CyberSecEval 2 在其前身的基礎(chǔ)上進行了擴展，增加了對 LLM 允許濫用其代碼解釋器的傾向、網(wǎng)絡(luò)安全能力以及對提示注入打擊的易感性的測量。最后，Meta 將推出代碼盾（Code Shield），它增加了對 LLM 生成的不安全代碼進行推理時過濾的支持。這可以降低不安全代碼建議、代碼解釋器濫用預(yù)防和安全命令執(zhí)行方面的風險。

隨著生成式人工智能領(lǐng)域的快速發(fā)展，開源將是將生態(tài)系統(tǒng)整合在一起并減少這些潛在危害的重要途徑。

為此，Meta 持續(xù)更新《負責任使用指南》（RUG），該指南為負責任地使用 LLM 進行開發(fā)提供了全面指導(dǎo)。比如像指南中所概述的那樣，所有輸入和輸出都應(yīng)根據(jù)適合應(yīng)用的內(nèi)容指南進行檢查和過濾。此外，許多云服務(wù)提供商都提供了用于負責任部署的內(nèi)容審核 API 和其他工具，開發(fā)人員也被建議考慮使用這些選項。

大規(guī)模部署 Llama 3

Llama 3 即將在所有主要平臺上推出，包括云提供商、模型 API 提供商等。

基準測試表明，tokenizer 提高了 token 化效率，與 Llama 2 相比，token 生成量最多可減少 15%。此外，組查詢關(guān)注（GQA）現(xiàn)在也被添加到了 Llama 3 8B。

因此，盡管與 Llama 2 7B 相比，該模型多了 1B 個參數(shù)，但 tokenizer 效率和 GQA 的改進有助于保持與 Llama 2 7B 相當?shù)耐评硇省?/span>

在 Llama Recipes（https://github.com/meta-llama/llama-recipes）中，介紹了有關(guān)如何利用所有這些功能的示例，其中包含所有的開放源代碼，可用于從微調(diào)、部署到模型評估的所有工作。

下一步是什么？

8B 和 70B 兩個型號的模型，標志著 Llama 3 系列的開端，下一步還會有更多。

Meta 表示， 「最大的 Llama 3」參數(shù)超過 400B，雖然這些機型仍在訓(xùn)練中，但在接下來的幾個月中也將陸續(xù)發(fā)布，新功能包括多模態(tài)、多語言對話能力、更長的上下文窗口以及更強的整體能力。

一旦完成 Llama 3 的訓(xùn)練，Meta 還將發(fā)表一篇詳細的研究論文。

Llama 3 還未到來的 400B+ 版本會有多強？它一旦發(fā)布是不是意味著開源社區(qū)就將迎來 GPT-4 級大模型？

Jim Fan 整理的 Llama3 400B 與 GPT-4 等模型的比分。

也許只有 OpenAI 的 GPT-5 才能壓下開源模型了。