就在昨晚，Meta官宣了开源的Llama 3 8B和70B版本。

8B模型在多项指标中超越了Gemma 7B和Mistral 7B Instruct，而70B模型则超越了闭源的Claude 3 Sonnet，和Gemini Pro 1.5。

此外Meta还有一个still training的400B+参数版本，它和GPT-4以及Claude 3的超大杯版本Opus性能差不多，最重要的是，它即将开源！

分享几个网站

GPT-3.5研究测试：
https://hujiaoai.cn

GPT-4研究测试：
https://higpt4.cn

Claude-3研究测试（全面吊打GPT-4）：
https://hiclaude3.com

怪兽级性能

由于预训练和训练方法的改进，Llama 3 8B和70B是当今同参数规模的SOTA模型。它大大降低了错误拒绝率，改善了一致性，并增加了模型响应的多样性。此外，在推理、代码生成和指令跟踪等功能的极大改进，使Llama 3更加易于操控。

在Llama 3的开发中，为了寻求对实际场景的优化。Meta开发了一套新的高质量人类评估集，包含1800个prompts，覆盖12个关键用例，如寻求建议、头脑风暴、分类、封闭式问答、编码、创意写作等。为防止模型过度拟合，连模型开发团队也无法访问此评估集。下图展示了与Claude Sonnet、Mistral Medium和GPT-3.5的比较。

模型架构

Llama 3 选择了经典的Decoder-only的Transformer架构。与Llama 2相比，Llama 3做了几个关键的改进，包括：

1、使用具有128K token词汇表的tokenizer，可以更有效地对语言进行编码。
2、在 8B 和 70B 大小的模型上采用了分组查询注意力 (GQA)，提高了Llama 3的推理效率。
3、在8192个token的序列上训练模型，使用掩码确保自注意力不会跨越文档边界。这也是美中不足的一点，8k的上下文窗口依然有点过时，不过随着开源社区的努力，这个问题可能很快就会被解决。

训练数据

Llama 3在开源的 15T Token上进行了预训练，比Llama 2使用的数据集大7倍，并且包含4倍多的代码，其中超过5%的预训练数据集由涵盖30多种语言的高质量非英语数据组成。为确保使用高质量数据，开发了多种数据过滤技术，包括启发式和NSFW过滤器，以及语义去重和质量预测文本分类器。

此外，通过广泛的实验确定了数据混合的最佳方法，以优化Llama 3在多种应用场景中的表现。预训练数据的更新截止到2023年3月（8B）和12月(70B)。

微调数据包括开源的指令数据集，以及超过1000万个人工注释的示例。

此外，官网上还附上了这样一句话：“预训练和微调数据集均不包含Meta用户数据”，可以说是求生欲拉满了。

此外，Meta官方还公布了模型的能耗：在H100-80GB上累计计算了7.7M GPU小时，估计总排放量为2290 吨二氧化碳当量，并且附上：“100%的碳排放被Meta的可持续发展计划抵消”，再来一波求生欲！

指令微调

为了最大化预训练模型在聊天用例中的潜力，采用了监督微调（SFT）、拒绝采样、近端策略优化（PPO）和直接策略优化（DPO）的组合方法。通过精心整理SFT中的提示和PPO与DPO的偏好排名，显著提升了模型的性能和对齐能力。特别是，通过PPO和DPO学习偏好排名，显著提高了Llama 3在推理和编码任务的表现，使模型能够更准确地选择正确的答案。

Llama3在线体验

目前，Llama 3的两个版本可以在官网下载：

https://llama.meta.com/llama-downloads/
https://github.com/meta-llama/

也可以在Meta官网体验网页版Llama 3：

https://www.meta.ai/

此外，Llama 3模型将很快在AWS、Databricks、Google Cloud、Hugging Face、Kaggle、IBM WatsonX、Microsoft Azure、NVIDIA NIM和Snowflake上推出，并得到AMD、AWS、Dell、Intel、NVIDIA和高通提供的硬件平台的支持。

期待Llama 3 400B+

Meta称 “Llama 3 8B和70B型号标志着我们计划为Llama 3发布的产品的开始，我们最大的模型有超过 400B 个参数，虽然这些模型仍在训练中”，并且公布了400B+模型早期检查点的性能。

有网友把它和GPT-4以及Gemini做了个比较。

不知道奥特曼这回慌不慌，可能只有GPT-5能压住它了。

现在我们可以期待，“开源版GPT-4”可能真的要来了！