京东云首批上架 Llama 3

京东云首批上架Llama3据京东云官方信息，Llama38B和Llama370B模型目前已在言犀AI开发计算平台提供。开发者和企业可以在京东云官网进入言犀AI开发计算平台的“AI资产市场”中选用该模型进行精调及部署。言犀AI开发计算平台此次接入的模型包括Meta-Llama-3-70B-Instruct、Meta-Llama-3-8B-Instruct、Meta-Llama-3-8B三个版本，全部支持部署推理；8B两个版本的模型支持无代码精调实验。

Meta 发布开源大模型 Code Llama 70B

Meta发布开源大模型CodeLlama70B当地时间1月29日，Meta发布了开源大模型CodeLlama70B，Meta表示这是“CodeLlama家族中体量最大、性能最好的模型版本”。CodeLlama70B与先前其他家族模型一样提供三种版本，且均可免费用于研究和商业用途。从基准测试结果来看，CodeLlama的表现优于编码专用的开源Llama，甚至超越了Llama2。

Meta宣布推出Llama 2(羊驼2) 提供7B~70B模型 开源免费可商用

Meta宣布推出Llama2(羊驼2)提供7B~70B模型开源免费可商用今天Meta发布Llama2也就是羊驼2模型，提供7B、13B和70B参数版本，该模型开源、免费、可商用，这也是为什么最近一段时间有大量新模型出现，对开源社区来说，只要有高质量模型被开源出来，那接下来就是社区成员登场，微调、优化、定制、整合，然后就可以生成更多模型了。羊驼2预训练模型接受了2万亿个tokens的训练，上下文长度是Llama1的两倍，是的其上下文长度从2048提升到了4096，其微调模型接受了超过100万个人类标注的训练。根据MetaAI研究团队的测试，羊驼2在不少测试中表现都比较优异(相对其他开源模型)，包括推理、编程、熟练程度和知识测试。(需要提供Email地址)来源，来自：雷锋频道：@kejiqu群组：@kejiquchat投稿：@kejiqubot

Meta 发布 Llama 3 开源模型

Meta发布Llama3开源模型Meta发布了其Llama系列开源生成式AI模型的最新成员：Llama3。该公司已经开源了其新Llama3系列中的两种模型，其余模型将在未指定的未来日期推出。Meta称，新模型Llama38B和Llama370B与上一代Llama模型Llama28B和Llama270B相比，在性能方面实现了“重大飞跃”，是目前性能最好的生成式AI模型之一。——

Meta发布LLAMA 3.1 405B开源AI模型

Meta发布LLAMA3.1405B开源AI模型Meta公司发布LLAMA3.1405B开源人工智能模型，首席执行官马克·扎克伯格称之为“最先进的”，并表示将与OpenAI和谷歌等竞争对手的类似产品相媲美。新模型花费了数月时间和数亿美元的计算能力进行训练。该模型具有多种新功能，包括改进的推理能力，可帮助解决复杂的数学问题或立即合成整本书的文本。还具有生成式人工智能功能，可以通过文本提示按需创建图像。名为“想象自己”的功能允许用户上传自己的脸部图像，然后可以用来创建在不同的场景和情形中的形象。另外，Meta推出Llama3.1模型8B和70B型号的升级版本，将上下文长度扩展至128K，增加了对8种语言的支持。——、

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