Meta首個(gè)理解圖文的多模態(tài)Llama3.2來了!這次,除了11B和90B兩個(gè)基礎(chǔ)版本,Meta還推出了僅有1B和3B輕量級(jí)版本,適配了Arm處理器,手機(jī)、AR眼鏡邊緣設(shè)備皆可用。
Llama3.1超大杯405B剛過去兩個(gè)月,全新升級(jí)后的Llama3.2來了!
這次,最大的亮點(diǎn)在于,Llama3.2成為羊駝家族中,首個(gè)支持多模態(tài)能力的模型。
Connect大會(huì)上,新出爐的Llama3.2包含了小型(11B)和中型(90B)兩種版本的主要視覺模型。
正如Meta所說,這兩款模型能夠直接替代,相對(duì)應(yīng)的文本模型,而且在圖像理解任務(wù)上擊敗了閉源Claude3Haiku。
甚至,90B版本擊敗了GPT-4o mini。
就連英偉達(dá)高級(jí)科學(xué)家Jim Fan都不禁夸贊,在輕量級(jí)模型中,開源社區(qū)整體上并不落后!
同時(shí),為了適配邊緣計(jì)算和終端設(shè)備,Meta還推出了1B和3B兩個(gè)輕量級(jí)純文本的版本,可支持128K上下文。
別看參數(shù)少,1B/3B在總結(jié)摘要、指令遵循、重寫等任務(wù)上,表現(xiàn)非常出色,而且專為Arm處理器做了優(yōu)化。
LeCun激動(dòng)地表示,「可愛的大羊駝寶寶來了」!
Meta首席技術(shù)官對(duì)Llama3.2的發(fā)布,做了兩大亮點(diǎn)總結(jié):
首個(gè)既能識(shí)別圖像,又能理解文本的多模態(tài)模型。最重要的是,能夠媲美閉源模型
超輕量1B/3B模型,解鎖更多終端設(shè)備可能性
有網(wǎng)友對(duì)此點(diǎn)評(píng)道,這可能是改變游戲規(guī)則的進(jìn)步,邊緣設(shè)備AI正在壯大。
能力一覽
11B和90B這兩款模型,不僅支持圖像推理場(chǎng)景,包括圖表和圖形在內(nèi)的文檔級(jí)理解、圖像描述以及視覺定位任務(wù),而且還能基于現(xiàn)有圖表進(jìn)行推理并快速給出回答。
比如,你可以問「去年哪個(gè)月銷售業(yè)績(jī)最好?」,Llama3.2就會(huì)根據(jù)現(xiàn)有圖表進(jìn)行推理,并迅速給出答案。
輕量級(jí)的1B和3B模型則可以幫助不僅在多語言文本生成和工具調(diào)用能力方面表現(xiàn)出色,而且具有強(qiáng)大的隱私保護(hù),數(shù)據(jù)永遠(yuǎn)不會(huì)離開設(shè)備。
之所以在本地運(yùn)行模型備受大家的青睞,主要在于以下兩個(gè)主要優(yōu)勢(shì):
提示詞和響應(yīng)能夠給人瞬間完成的感覺
應(yīng)用程序可以清晰地控制哪些查詢留在設(shè)備上,哪些可能需要由云端的更大模型處理
性能評(píng)估
結(jié)果顯示,Llama3.2視覺模型在圖像識(shí)別等任務(wù)上,與Claude3Haiku和GPT-4o mini不相上下。
3B模型在遵循指令、總結(jié)、提示詞重寫和工具使用等任務(wù)上,表現(xiàn)優(yōu)于Gemma22B和Phi3.5mini;而1B模型則與Gemma旗鼓相當(dāng)。
視覺模型
作為首批支持視覺任務(wù)的Llama模型,Meta為11B和90B型打造了一個(gè)全新的模型架構(gòu)。
在圖像輸入方面,訓(xùn)練了一組適配器權(quán)重,將預(yù)訓(xùn)練的圖像編碼器集成到預(yù)訓(xùn)練的大語言模型中。
具體來說,該適配器:
由一系列交叉注意力層組成,負(fù)責(zé)將圖像編碼器的表示輸入進(jìn)大語言模型
通過在文本-圖像對(duì)上的訓(xùn)練,實(shí)現(xiàn)圖像表示與語言表征的對(duì)齊
在適配器訓(xùn)練期間,Meta會(huì)對(duì)圖像編碼器的參數(shù)進(jìn)行更新,但不會(huì)更新大語言模型參數(shù)。
也就是說,模型的純文本能力便不會(huì)受到任何影響,而開發(fā)者也可以將之前部署的Llama3.1無縫替換成Llama3.2。
具體的訓(xùn)練流程如下:
首先,為預(yù)訓(xùn)練的Llama3.1文本模型添加圖像適配器和編碼器,并在大規(guī)模噪聲圖像-文本對(duì)數(shù)據(jù)上進(jìn)行預(yù)訓(xùn)練。
然后,在中等規(guī)模的高質(zhì)量領(lǐng)域內(nèi)和知識(shí)增強(qiáng)的圖像-文本對(duì)數(shù)據(jù)上,再次進(jìn)行訓(xùn)練。
接著,在后訓(xùn)練階段采用與文本模型類似的方法,通過監(jiān)督微調(diào)、拒絕采樣和直接偏好優(yōu)化進(jìn)行多輪對(duì)齊。并加入安全緩解數(shù)據(jù),保障模型的輸出既安全又實(shí)用。
這在期間,模型所使用的高質(zhì)量微調(diào)數(shù)據(jù),正是來自合成數(shù)據(jù)生成技術(shù)——使用Llama3.1模型在領(lǐng)域內(nèi)圖像的基礎(chǔ)上過濾和增強(qiáng)問題答案,并使用獎(jiǎng)勵(lì)模型對(duì)所有候選答案進(jìn)行排序。
最終,我們就能得到一系列可以同時(shí)接受圖像和文本提示詞的模型,并能夠深入理解和對(duì)其組合進(jìn)行推理。
對(duì)此,Meta自豪地表示表示:「這是Llama模型向更豐富的AI智能體能力邁進(jìn)的又一步」。
得到全新Llama3.2加持的助手Meta AI,在視覺理解力上非常強(qiáng)。
比如,上傳一張切開的生日蛋糕圖片,并問它制作配方。
Meta AI便會(huì)給出手把手教程,從配料到加工方式,一應(yīng)俱全。
又或者你發(fā)給它一張小羊的照片,并要求將其放在沖浪板上。
不一會(huì)兒功夫,一只站在沖浪板上的山羊圖畫好了。
通過利用剪枝(pruning)和蒸餾(distillation)這兩種方法,Meta讓全新的1B和3B模型,成為了首批能夠高效地適應(yīng)設(shè)備的、具有高能力的輕量級(jí)Llama模型。
剪枝能夠減小Llama的規(guī)模,并盡可能地保留知識(shí)和性能
在此,Meta采用了從Llama3.180億參數(shù)模型進(jìn)行單次結(jié)構(gòu)化剪枝的方法。也就是,系統(tǒng)地移除網(wǎng)絡(luò)的部分內(nèi)容,并調(diào)整權(quán)重和梯度的幅度,從而創(chuàng)建一個(gè)更小、更高效的大語言模型,同時(shí)保留原始網(wǎng)絡(luò)的性能。
完成剪枝之后,則需要使用知識(shí)蒸餾來恢復(fù)模型的性能。
知識(shí)蒸餾是讓一個(gè)更大的網(wǎng)絡(luò)給更小的網(wǎng)絡(luò)傳授知識(shí)
也就是,較小的模型可以借助教師模型的指導(dǎo),獲得比從頭開始訓(xùn)練更好的性能。為此,Meta在預(yù)訓(xùn)練階段融入了來自Llama3.18B和70B模型的logits(模型輸出的原始預(yù)測(cè)值),并將這些較大模型的輸出則用作token級(jí)的目標(biāo)。
后訓(xùn)練階段,Meta采用了與Llama3.1類似的方法——通過在預(yù)訓(xùn)練大語言模型基礎(chǔ)上進(jìn)行多輪對(duì)齊來生成最終的聊天模型。
其中,每一輪都包括監(jiān)督微調(diào)(SFT,Supervised Fine-Tuning)、拒絕采樣(RS,Rejection Sampling)和直接偏好優(yōu)化(DPO,Direct Preference Optimization)。
在這期間,Meta不僅將模型的上下文長(zhǎng)度擴(kuò)展到了128K token,而且還利用經(jīng)過仔細(xì)篩選的合成數(shù)據(jù)和高質(zhì)量的混合數(shù)據(jù),對(duì)諸如總結(jié)、重寫、指令跟隨、語言推理和工具使用等多項(xiàng)能力進(jìn)行了優(yōu)化。
為了便于開源社區(qū)更好地基于Llama進(jìn)行創(chuàng)新,Meta還與高通(Qualcomm)、聯(lián)發(fā)科(Mediatek)和Arm展開了密切合作。
值得一提的是,Meta這次發(fā)布的權(quán)重為BFloat16格式。
Llama Stack發(fā)行版
Llama Stack API是一個(gè)標(biāo)準(zhǔn)化接口,用于規(guī)范工具鏈組件(如微調(diào)、合成數(shù)據(jù)生成等)以定制Llama大語言模型并構(gòu)建AI智能體應(yīng)用。
自從今年7月Meta提出了相關(guān)的意見征求之后,社區(qū)反響非常熱烈。
如今,Meta正式推出Llama Stack發(fā)行版——可將多個(gè)能夠良好協(xié)同工作的API提供者打包在一起,為開發(fā)者提供單一接入點(diǎn)。
這種簡(jiǎn)化且一致的使用體驗(yàn),讓開發(fā)者能夠在多種環(huán)境中使用Llama大語言模型,包括本地環(huán)境、云端、單節(jié)點(diǎn)服務(wù)器和終端設(shè)備。
完整的發(fā)布內(nèi)容包括:
Llama CLI:用于構(gòu)建、配置和運(yùn)行Llama Stack發(fā)行版
多種語言的客戶端代碼:包括Python、Node.js、Kotlin和Swift
Docker容器:用于Llama Stack發(fā)行版服務(wù)器和AI智能體API供應(yīng)商
多種發(fā)行版:
單節(jié)點(diǎn)Llama Stack發(fā)行版:通過Meta內(nèi)部實(shí)現(xiàn)和Ollama提供
云端Llama Stack發(fā)行版:通過AWS、Databricks、Fireworks和Together提供
設(shè)備端Llama Stack發(fā)行版:通過PyTorch ExecuTorch在iOS上實(shí)現(xiàn)
本地部署Llama Stack發(fā)行版:由Dell提供支持
系統(tǒng)安全
這次,Meta在模型安全方面主要進(jìn)行了兩個(gè)更新:
1.Llama Guard311B Vision
它支持Llama3.2的全新圖像理解能力,并能過濾文本+圖像輸入提示詞或?qū)@些提示詞的文本輸出響應(yīng)。
2. Llama Guard31B
它基于Llama3.21B,并在剪枝和量化處理之后,將模型大小從2,858MB縮減至438MB,使部署效率達(dá)到前所未有的高度。
目前,這些新解決方案已經(jīng)集成到了Meta的參考實(shí)現(xiàn)、演示和應(yīng)用程序中,開源社區(qū)可以立即開始使用。
文章內(nèi)容僅供閱讀,不構(gòu)成投資建議,請(qǐng)謹(jǐn)慎對(duì)待。投資者據(jù)此操作,風(fēng)險(xiǎn)自擔(dān)。
2024年的Adobe MAX 2024發(fā)布會(huì)上,Adobe推出了最新版本的Adobe Creative Cloud。
奧維云網(wǎng)(AVC)推總數(shù)據(jù)顯示,2024年1-9月明火炊具線上零售額94.2億元,同比增加3.1%,其中抖音渠道表現(xiàn)優(yōu)異,同比有14%的漲幅,傳統(tǒng)電商略有下滑,同比降低2.3%。
“以前都要去窗口辦,一套流程下來都要半個(gè)月了,現(xiàn)在方便多了!”打開“重慶公積金”微信小程序,按照提示流程提交相關(guān)材料,僅幾秒鐘,重慶市民曾某的賬戶就打進(jìn)了21600元。
華碩ProArt創(chuàng)藝27 Pro PA279CRV顯示器,憑借其優(yōu)秀的性能配置和精準(zhǔn)的色彩呈現(xiàn)能力,為您的創(chuàng)作工作帶來實(shí)質(zhì)性的幫助,雙十一期間低至2799元,性價(jià)比很高,簡(jiǎn)直是創(chuàng)作者們的首選。
9月14日,2024全球工業(yè)互聯(lián)網(wǎng)大會(huì)——工業(yè)互聯(lián)網(wǎng)標(biāo)識(shí)解析專題論壇在沈陽成功舉辦。