关于llama:LLaMA-2-你所需要的一切资源

摘录

对于 LLaMA 2 的全副资源，如何去测试、训练并部署它。

LLaMA 2 是一个由 Meta 开发的大型语言模型，是 LLaMA 1 的继任者。LLaMA 2 可通过 AWS、Hugging Face 等提供商获取，并收费用于钻研和商业用途。LLaMA 2 预训练模型在 2 万亿个标记上进行训练，相比 LLaMA 1 的上下文长度减少了一倍。它的微调模型则在超过 100 万个人工标注数据下实现。

这篇博客蕴含了所有的相干资源，以帮忙您疾速入门。包含以下跳转:

• LLaMA 2 是什么？
• 在 LLaMA 游乐场试玩
• 模型背地的钻研工作
• 模型的性能有多好，基准测试
• 如何正确地去提醒聊天模型
• 如何应用 PEFT 训练模型
• 如何部署模型进行推理
• 和其余资源

来自 Meta 官网的布告能够在这里找到: https://ai.meta.com/llama/

LLaMA 2 是什么？

Meta 公布的 LLaMA 2，是新的 sota 开源大型语言模型 (LLM)。LLaMA 2 代表着 LLaMA 的下一代版本，并且具备商业许可证。LLaMA 2 有 3 种不同的大小——7B、13B 和 70B 个可训练参数。与原版 LLaMA 相比，新的改良包含:

• 在 2 万亿个标记的文本数据上进行训练
• 容许商业应用
• 默认应用 4096 个前后文本视线 (能够被扩大)
• 70B 模型采纳了分组查问注意力 (GQA)
• 可由此获取 Hugging Face Hub

在 LLaMA 游乐场试玩

有几个不同的游乐场供与 LLaMA 2 来测试聊天:

• HuggingChat 容许你通过 Hugging Face 的对话界面与 LLaMA 2 70B 模型聊天。这提供了一个简洁的办法来理解聊天机器人的工作原理。
• Hugging Face Spaces 有三种大小的 LLaMA 2 模型 7B、13B 和 70B 可供测试。交互式演示能够让您比拟不同的大小模型的区别。
• Perplexity 他们的对话 AI 演示提供 7B 和 13B 的 LLaMA 2 模型。你能够与模型聊天并且反馈模型响应的有余。

LLaMA 2 背地的钻研工作

LLaMA 2 是一个根底大语言模型，它由网络上公开可获取到的数据训练实现。另外 Meta 同时公布了它的 CHAT 版本。CHAT 模型的第一个版本是 SFT (有监督调优) 模型。在这之后，LLaMA-2-chat 逐渐地通过人类反馈强化学习 (RLHF) 来进化。RLHF 的过程应用了回绝采样与近端策略优化 (PPO) 的技术来进一步调优聊天机器人。Meta 目前仅颁布了模型最新的 RLHF(v5) 版本。若你对此过程背地的过程感兴趣则请查看:

• Llama 2: 开源并已微调的聊天模型
• Llama 2: 一个超赞的开源大语言模型
• Llama 2: 全面拆解

LLaMA 2 的性能有多好，基准测试？

Meta 宣称 “Llama 2 在泛滥内部基准测试中都优于其余开源的语言模型，包含推理、编程、熟练程度与常识测验” 对于其性能你能够在这里找到更多信息:

• Hugging Face 开源大语言模型排行榜
• Meta 官网布告

如何提醒 LLaMA 2 Chat

LLaMA 2 Chat 是一个开源对话模型。想要与 LLaMA 2 Chat 进行高效地交互则须要你提供适合的提醒词、问题来失去合乎逻辑且有帮忙的回复。Meta 并没有抉择最简略的提醒词构造。以下是单轮、多轮对话的提醒词模板。这个模板遵循模型的训练过程，在此详细描述 LLaMA 2 论文. 你也能够看一看 LLaMA 2 提醒词模板.

单轮对话

<s>[INST] <<SYS>>
{{system_prompt}}
<</SYS>>
{{user_message}} [/INST]

多轮对话

<s>[INST] <<SYS>>
{{system_prompt}}
<</SYS>>
{{user_msg_1}} [/INST]{{model_answer_1}} </s><s>[INST]{{user_msg_2}} [/INST]{{model_answer_2}} </s><s>[INST]{{user_msg_3}} [/INST]

如何训练 LLaMA 2

因 LLaMA 2 为开源模型，使得能够轻易的通过微调技术，比方 PEFT，来训练它。这是一些非日适宜于训练你本人版本 LLaMA 2 的学习资源:

• 扩大指引: 指令微调 Llama 2
• 在 Amazon SageMaker 上微调 LLaMA 2 (7-70B)
• 应用 PEFT 技术微调
• Meta 提供的 Llama 模型示例以及计划
• 在本地机器上微调 LLAMA-v2 最简略的办法 !

如何部属 LLaMA 2

LLaMA 2 能够在本地环境中部署 (llama.cpp)，应用这样已治理好的服务 Hugging Face Inference Endpoints 或通过 AWS, Google Cloud, and Microsoft Azure 这样的服务器平台.

• 应用文本生成接口与推理终端来部署 LLama 2
• 应用 Amazon SageMaker 部署 LLaMA 2 70B (行将实现)
• 在你的 M1/M2 Mac 上通过 GPU 接口来本地部署 Llama-2-13B-chat

其余资源

• Llama 2 资源

如果你想让我再削减一些章节或其余细节请分割我。我致力于提供基于 LLaMA 2 目前已公开信息的高质量概述。

原文作者: Philschmid

原文链接: https://www.philschmid.de/llama-2

译者: Xu Haoran