LLaMA
1，llama
参数范围7B 13B 33B 65B
在万亿token上训练的模型，
2,研究重点
研究表明，最好的模型性能不是由最大的模型体积实现，而是在更多的数据上训练较小的模型实现
工作重点是通过使用比通常更多的token，训练一系列语言模型，

3，架构：
基于transforme架构，7B模型堆叠32个decoder模块，输入维度是4096，每个mutil head attention中头的个数32个，预训练模型是使用1T的token，

和transformer不同的是，为了提高训练的稳定性，作者对transformer子层的输入进行归一化，而不是输出部分，残差链结构在进行归一化，使用RMSNorm归一化函数，swiGLU激活函数，代替RELU

4，训练数据
练数据，全部来自公开数据集，不同领域混合数据，
英语commoncraw，fastText线性分隔器进行语言识别，并用ngram语言模型过滤低质量的内容，
c4，探索性实验中，实验者观察到使用不同的预处理数据集可以提高性能，去重和语言识别步骤，
ccnet的主要方法是质量过滤，去掉标点符号和网页中的单词和数字数量，去掉，
分 词 器，Sentence-Piece的 实 现

4，训练结果
当训练一个65b参数的模型时，我们的代码
在2048A100GPU上使用80GBRAM处理大约
380个令牌/秒/GPU。这意味着在我们包含1.4T
令牌的数据集上训练大约需要21天