【LLM大模型】Llama3.1技术报告解读_llama3.1文本长度设置

模型架构

Llama3.1共开源了8B、70B、405B三种参数量的模型，三个模型具体信息如下图，其中405B除了BF16精度，还有FP8量化版模型，针对8B额外开源了经过内容安全分类微调的Llama-Guard-3-8B。

主要看点总结如下：

1. Llama3.1 405B依然使用decoder-only结构的transformer，没有使用混合专家。

2. 词表大小是128256，和Llama3一样。rope_theta是500000，和Llama3也一样。

3.最大生成上下文长度从Llama3的8192，增加到131072

4. 在语言模型后训练阶段（本文最后面有最新版的Llama训练思路），405B通过监督微调和直接偏好优化等，进一步提升了模型的性能和适应性。监督微调使用大量的人工标注数据来微调模型，使其能够更好地遵循人类的指令和偏好；直接偏好优化则通过学习人类的偏好来优化模型的输出，使其更加符合人类的期望。

5. 对于小参数量模型，Meta使用405B模型去提升小参数量模型的效果。

Llama3.1 模型具体参数（纠正一下图里405B模型的Key/Value Heads数量是16）

重要：纠正一下图里405B模型的Key/Value Heads数量是16

模型效果

llama3.1模型效果再150多个数据集中进行了测试，同时也进行了人工测试。

实验表明，最大的405B模型与业界最好的闭源模型GPT-4, GPT-4o, and Claude 3.5 Sonnet性能不相上下。

小参数量8B和70B模型与参数量相当的闭源模型也有竞争力。

Llama3.1 405B数据集评测结果

Llama3.1 8B/70B数据集评测结果

Llama3.1 405B人工评估

Llama System

开源了推理系统（meta-llama/llama-agentic-system: Agentic components of the Llama Stack APIs (github.com)

），可以方便的再本地运行Llama，该系统由社区共建。

Llama3训练思路（更新至2024/07/23）：

链接: https://pan.baidu.com/s/1XyWmeC4HIP-aY0vDjqbCUg?pwd=h792 提取码: h792

模型下载链接： meta-llama/Meta-Llama-3.1-405B · Hugging Face（名字、公司等信息填写国外的，审核大概需要1-2天）

如何系统的去学习大模型LLM ？

大模型时代，火爆出圈的LLM大模型让程序员们开始重新评估自己的本领。 “AI会取代那些行业？”“谁的饭碗又将不保了？”等问题热议不断。

事实上，抢你饭碗的不是AI，而是会利用AI的人。

继科大讯飞、阿里、华为等巨头公司发布AI产品后，很多中小企业也陆续进场！超高年薪，挖掘AI大模型人才！ 如今大厂老板们，也更倾向于会AI的人，普通程序员，还有应对的机会吗？

与其焦虑……

不如成为「掌握AI工具的技术人」，毕竟AI时代，谁先尝试，谁就能占得先机！

但是LLM相关的内容很多，现在网上的老课程老教材关于LLM又太少。所以现在小白入门就只能靠自学，学习成本和门槛很高。

针对所有自学遇到困难的同学们，我帮大家系统梳理大模型学习脉络，将这份 LLM大模型资料 分享出来：包括LLM大模型书籍、640套大模型行业报告、LLM大模型学习视频、LLM大模型学习路线、开源大模型学习教程等,