Meta发布Llama 3 称其是目前最好的开放式模型之一
Meta发布Llama3称其是目前最好的开放式模型之一Meta称,与上一代Llama模型Llama28B和Llama270B相比,新模型Llama38B(包含80亿个参数)和Llama370B(包含700亿个参数)在性能上有了"重大飞跃"。(参数从本质上定义了人工智能模型处理问题的能力,比如分析和生成文本;一般来说,参数数越高的模型比参数数越低的模型能力越强)。事实上,Meta表示,就各自的参数数而言,Llama38B和Llama370B是在两个定制的24,000GPU集群上训练出来的,是当今性能最好的生成式人工智能模型之一。话说得很满,那么,Meta公司是如何证明这一点的呢?该公司指出了Llama3模型在MMLU(用于测量知识)、ARC(用于测量技能习得)和DROP(用于测试模型对文本块的推理能力)等流行的人工智能基准上的得分。正如我们之前所写,这些基准的实用性和有效性还有待商榷。但无论好坏,它们仍然是Meta等人工智能玩家评估其模型的少数标准化方法之一。在至少九项基准测试中,Llama38B优于其他开源模型,如Mistral的Mistral7B和Google的Gemma7B,这两个模型都包含70亿个参数:这些基准包括:MMLU、ARC、DROP、GPQA(一组生物、物理和化学相关问题)、HumanEval(代码生成测试)、GSM-8K(数学单词问题)、MATH(另一种数学基准)、AGIEval(解决问题测试集)和BIG-BenchHard(常识推理评估)。现在,Mistral7B和Gemma7B并不完全处于最前沿(Mistral7B于去年9月发布),在Meta引用的一些基准测试中,Llama38B的得分仅比这两款产品高几个百分点。但Meta还声称,参数数更多的Llama3型号Llama370B与旗舰生成式人工智能模型(包括GoogleGemini系列的最新产品Gemini1.5Pro)相比也具有竞争力。图片来源:MetaLlama370B在MMLU、HumanEval和GSM-8K三项基准测试中均优于Gemini1.5Pro,而且,虽然它无法与Anthropic性能最强的Claude3Opus相媲美,但Llama370B在五项基准测试(MMLU、GPQA、HumanEval、GSM-8K和MATH)中的得分均优于Claude3系列中性能最弱的Claude3Sonnet。值得注意的是,Meta还开发了自己的测试集,涵盖了从编码、创作到推理、总结等各种用例,令人惊喜的是,Llama370B在与MistralMedium模型、OpenAI的GPT-3.5和ClaudeSonnet的竞争中脱颖而出!-Llama370B在与Mistral的MistralMedium模型、OpenAI的GPT-3.5和ClaudeSonnet的竞争中脱颖而出。Meta表示,为了保持客观性,它禁止其建模团队访问这组数据,但很明显,鉴于Meta自己设计了这项测试,我们必须对结果持谨慎态度。在质量方面,Meta表示,新Llama模型的用户可以期待更高的"可操控性"、更低的拒绝回答问题的可能性,以及更高的琐碎问题、与历史和STEM领域(如工程和科学)相关的问题和一般编码建议的准确性。这在一定程度上要归功于一个更大的数据集:一个由15万亿个标记组成的集合,或者说一个令人难以置信的750,000,000,000单词,是Llama2训练集的七倍。这些数据从何而来?Meta公司不愿透露,只表示数据来自"公开来源",包含的代码数量是Llama2训练数据集的四倍,其中5%包含非英语数据(约30种语言),以提高非英语语言的性能。Meta还表示,它使用了合成数据(即人工智能生成的数据)来创建较长的文档,供Llama3模型训练使用,由于这种方法存在潜在的性能缺陷,因此颇受争议。Meta在一篇博文中写道:"虽然我们今天发布的模型仅针对英语输出进行了微调,但数据多样性的增加有助于模型更好地识别细微差别和模式,并在各种任务中表现出色。"许多生成式人工智能供应商将训练数据视为一种竞争优势,因此对训练数据和相关信息守口如瓶。但是,训练数据的细节也是知识产权相关诉讼的潜在来源,这是另一个不愿意透露太多信息的原因。最近的报道显示,Meta公司为了追赶人工智能竞争对手的步伐,曾一度不顾公司律师的警告,将受版权保护的电子书用于人工智能训练;包括喜剧演员莎拉-西尔弗曼(SarahSilverman)在内的作者正在对Meta和OpenAI提起诉讼,指控这两家公司未经授权使用受版权保护的数据进行训练。那么,生成式人工智能模型(包括Llama2)的另外两个常见问题--毒性和偏差又是怎么回事呢?Llama3是否在这些方面有所改进?Meta声称:是的。Meta表示,公司开发了新的数据过滤管道,以提高模型训练数据的质量,并更新了一对生成式人工智能安全套件LlamaGuard和CybersecEval,以防止Llama3模型和其他模型的滥用和不必要的文本生成。该公司还发布了一款新工具CodeShield,旨在检测生成式人工智能模型中可能引入安全漏洞的代码。不过,过滤并非万无一失,LlamaGuard、CybersecEval和CodeShield等工具也只能做到这一步。我们需要进一步观察Llama3型号在实际运用时的表现如何,包括学术界对其他基准的测试。Meta公司表示,Llama3模型现在已经可以下载,并在Facebook、Instagram、WhatsApp、Messenger和网络上为Meta公司的Meta人工智能助手提供支持,不久将以托管形式在各种云平台上托管,包括AWS、Databricks、GoogleCloud、HuggingFace、Kaggle、IBM的WatsonX、MicrosoftAzure、NVIDIA的NIM和Snowflake。未来,还将提供针对AMD、AWS、戴尔、英特尔、NVIDIA和高通硬件优化的模型版本。而且,功能更强大的型号即将问世。Meta表示,它目前正在训练的Llama3模型参数超过4000亿个--这些模型能够"用多种语言交流"、接收更多数据、理解图像和其他模式以及文本,这将使Llama3系列与HuggingFace的Idefics2等公开发布的版本保持一致。"我们近期的目标是让Llama3成为多语言、多模态、具有更长上下文的产品,并继续提高推理和编码等核心(大型语言模型)功能的整体性能,"Meta在一篇博文中写道。"还有很多事情要做"。...PC版:https://www.cnbeta.com.tw/articles/soft/1427836.htm手机版:https://m.cnbeta.com.tw/view/1427836.htm
在Telegram中查看相关推荐
![](https://soso.news/wp-content/uploads/2023/09/coin-300x85.png)
🔍 发送关键词来寻找群组、频道或视频。
启动SOSO机器人