LLMs-In-China中文大语言模型

7个月前发布

Llama 原始的意思是“美洲驼【A llama is a South American animal with thick hair, which looks like a small camel without a hump.】”，也因此，许多基于 LLaMA的模型都以动物名称来命名。

Meta 开发并“开放”的LLaMA大模型，是ChatGPT 出现之后第一个真正意义上的大语言模型，与此前的OPT、GALACTICA、BLOOM等大语言模型有了较大进步。

LLaMA是一个基础模型，可以针对各种任务进行微调，如文本生成、问答、摘要等。也是在 LLaMA 发布之后，开源大语言模型才有了长足的进展，各种 SFT、RLHF 以及基于 LLaMA 的LoRA 等大量出现。也正是基于LLaMA，才有了一大批农场中的动物系列模型出现。

Meta在论文中表示，LLaMA 13B在大多数基准测试中都优于OpenAI流行的GPT-3模型，而LLaMA 65B与DeepMind的Chinchilla70B和谷歌的PaLM 540B等最好的模型有的一比。这其实得益于 Meta 用了比之前那些模型更多的语料来训练LLaMA。

基础信息

由Meta AI的FAIR团队开发
LLaMA是在2022年12月份到2023年2月份之间训练的
LLaMA是一种基于变换器网络（Transformer）架构的自回归语言模型。该模型有不同的参数规模：7B、13B、33B(通常称30B) 和 65B 参数
许可：非商业定制许可证
- 代码许可：GPL v3（GNU General Public License v3.0）允许使用、修改和分发代码，但必须开源；允许收维护费，但不允许收授权费等。
- 模型许可：LLaMA LICENSE AGREEMENT 其中明确说明不允许商业目的使用。

params	dimension	n heads	n layers	learning rate	batch size	n tokens	Training GPU-hours
6.7B	4096	32	32	3.0e−4	4M	1.0T	82,432
13.0B	5120	40	40	3.0e−4	4M	1.0T	135,168
32.5B	6656	52	60	1.5e−4	4M	1.4T	530,432
65.2B	8192	64	80	1.5e−4	4M	1.4T	1,022,362

名称	LLaMA-65B	LLaMA-33B	LLaMA-13B	LLaMA-7B
参数规模params	65.2B	32.5B	13.0B	6.7B
隐变量维度dimension	8192	6656	5120	4096
自注意力头的个数n heads	64	52	40	32
层数n layers	80	60	40	32
词表大小Vocab size	32000	32000	32000	32000
输入序列长度sequence length	2048	2048	2048	2048
数据规模词元数量n tokens	1.4T	1.4T	1.0T	1.0T
训练时长Training GPU-hours	1,022,362（A100）	530,432	135,168	82,432

官方下载：填写表单提交申请
非官方下载
- P2P 下载：magnet:?xt=urn:btih:ZXXDAUWYLRUXXBHUYEMS6Q5CE5WA3LVA&dn=LLaMA
- HuggingFace LLaMA-65B LLaMA-65B LLaMA-30B LLaMA-13B LLaMA-7B

指1.4T Tokens的版本

Dataset	Sampling prop.	Epochs	Disk size
CommonCrawl	67.0%	1.10	3.3
C4	15.0%	1.06	783
Github	4.5%	0.64	328
Wikipedia	4.5%	2.45	83
Books	4.5%	2.23	85
ArXiv	2.5%	1.06	92
StackExchange	2.0%	1.03	78

LayerNorm使用了RMSNorm，并且通过对每个transformer子层的输入进行归一化，而不是对输出进行归一化。
激活函数使用了SwiGLU代替ReLU，这点和PaLM模型一样
位置编码使用了rotary嵌入RoPE【RoFormer: Enhanced transformer with rotary position embedding】，这点和GPTNeo一样
在自注意力机制的实现上，由于自回归语言模型的特性，使用了causal multi-head attention，并使用了xformers的实现方法。这个自注意力机制的理论来自于两篇论文SELF-ATTENTION DOES NOT NEED $O(n^2)$ MEMORY和FlashAttention: Fast and Memory-Efficient Exact Attention with IO-Awareness。

2人已评分