Llama-3.2-3B

Llama-3.2-3B项目介绍

项目概述

Llama-3.2-3B是Meta公司开发的多语言大型语言模型(LLM)系列中的一员。这个模型是一个预训练和指令微调的生成式模型,参数规模为3B(32亿)。Llama-3.2-3B是为多语言对话用例而优化的,包括代理检索和摘要任务。在许多常见的行业基准测试中,它的表现超过了许多可用的开源和闭源聊天模型。

模型特点

1. 架构:Llama-3.2-3B采用优化的Transformer架构,是一个自回归语言模型。

2. 训练数据:使用了新的公开在线数据混合集。

3. 参数规模:精确参数数量为32.1亿。

4. 输入输出:支持多语言文本输入,可输出多语言文本和代码。

5. 上下文长度:最长可处理128k个token。

6. 特殊技术:使用分组查询注意力(GQA)机制提高推理可扩展性,采用共享嵌入。

7. 训练规模:预训练数据量高达9万亿token。

8. 知识截止:2023年12月。

支持语言

Llama-3.2-3B官方支持8种语言:英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。但事实上,该模型在训练时使用了更广泛的语言集合。开发者可以在遵守Llama-3.2社区许可和可接受使用政策的前提下,对模型进行微调以支持更多语言。

发布信息

• 发布日期:2024年9月25日
• 许可证:使用Llama-3.2受Llama-3.2社区许可(一种定制的商业许可协议)的管理。
• 状态:这是一个静态模型,未来可能会发布改进模型能力和安全性的新版本。

使用场景

Llama-3.2-3B适用于多语言环境下的商业和研究用途。经过指令微调的文本模型主要用于以下场景:

1. 助手式聊天
2. 知识检索和摘要等代理应用
3. 移动AI驱动的写作助手
4. 查询和提示重写

预训练模型可以适应各种自然语言生成任务。量化模型则适用于计算资源有限的设备端场景。

使用方法

Llama-3.2-3B提供了两个版本,分别用于transformers库和原始llama代码库。

1. 使用transformers库:

   • 确保安装最新版transformers
   • 使用pipeline或Auto类进行推理

2. 使用原始llama代码库:

   • 按照官方仓库说明操作
   • 使用huggingface-cli下载原始检查点

技术细节

1. 训练因素:使用了自定义训练库、Meta专用GPU集群和生产基础设施。

2. 训练能耗:累计使用了916,000 GPU小时的H100-80GB (TDP 700W)计算资源。

3. 微调技术:采用了监督微调(SFT)和基于人类反馈的强化学习(RLHF)来调整模型,使其更好地符合人类对有用性和安全性的偏好。

总的来说,Llama-3.2-3B是一个功能强大、多语言支持的大型语言模型,在各种自然语言处理任务中表现出色,为开发者和研究人员提供了广泛的应用可能性。