關于 LLaMA 2 的全部資源，如何去測試、訓練并部署它。

LLaMA 2 是一個由 Meta 開發的大型語言模型，是 LLaMA 1 的繼任者。LLaMA 2 可通過 AWS、Hugging Face 等提供商獲取，并免費用于研究和商業用途。LLaMA 2 預訓練模型在 2 萬億個標記上進行訓練，相比 LLaMA 1 的上下文長度增加了一倍。它的微調模型則在超過 100 萬個人工標注數據下完成。

這篇博客包含了所有的相關資源，以幫助您快速入門。包括以下跳轉:

LLaMA 2 是什么？

在 LLaMA 游樂場試玩

模型背后的研究工作

模型的性能有多好，基準測試

如何正確地去提示聊天模型

如何使用 PEFT 訓練模型

如何部署模型進行推理

和其他資源

來自 Meta 官方的公告可以在這里找到: https://ai.meta.com/llama/

LLaMA 2 是什么？

Meta 發布的 LLaMA 2，是新的 sota 開源大型語言模型 (LLM)。LLaMA 2 代表著 LLaMA 的下一代版本，并且具有商業許可證。LLaMA 2 有 3 種不同的大小——7B、13B 和 70B 個可訓練參數。與原版 LLaMA 相比，新的改進包括:

在 2 萬億個標記的文本數據上進行訓練

允許商業使用

默認使用 4096 個前后文本視野 (可以被擴展)

70B 模型采用了分組查詢注意力 (GQA)

可由此獲取 Hugging Face Hub

在 LLaMA 游樂場試玩

有幾個不同的游樂場供與 LLaMA 2 來測試聊天:

HuggingChat 允許你通過 Hugging Face 的對話界面與 LLaMA 2 70B 模型聊天。這提供了一個簡潔的方法來了解聊天機器人的工作原理。

Hugging Face Spaces 有三種大小的 LLaMA 2 模型 7B、13B 和 70B 可供測試。交互式演示可以讓您比較不同的大小模型的區別。

Perplexity 他們的對話 AI 演示提供 7B 和 13B 的 LLaMA 2 模型。你可以與模型聊天并且反饋模型響應的不足。

LLaMA 2 背后的研究工作

LLaMA 2 是一個基礎大語言模型，它由網絡上公開可獲取到的數據訓練完成。另外 Meta 同時發布了它的 CHAT 版本。CHAT 模型的第一個版本是 SFT (有監督調優) 模型。在這之后，LLaMA-2-chat 逐步地經過人類反饋強化學習 (RLHF) 來進化。RLHF 的過程使用了拒絕采樣與近端策略優化 (PPO) 的技術來進一步調優聊天機器人。Meta 目前僅公布了模型最新的 RLHF(v5) 版本。若你對此過程背后的過程感興趣則請查看:

Llama 2: 開源并已微調的聊天模型

Llama 2: 一個超贊的開源大語言模型

Llama 2: 全面拆解

LLaMA 2 的性能有多好，基準測試？

Meta 聲稱 “Llama 2 在眾多外部基準測試中都優于其他開源的語言模型，包括推理、編程、熟練程度與知識測驗” 關于其性能你可以在這里找到更多信息:

Hugging Face 開源大語言模型排行榜

Meta 官方公告

如何提示 LLaMA 2 Chat

LLaMA 2 Chat 是一個開源對話模型。想要與 LLaMA 2 Chat 進行高效地交互則需要你提供合適的提示詞、問題來得到合乎邏輯且有幫助的回復。Meta 并沒有選擇最簡單的提示詞結構。以下是單輪、多輪對話的提示詞模板。這個模板遵循模型的訓練過程，在此詳細描述 LLaMA 2 論文. 你也可以看一看 LLaMA 2 提示詞模板.

單輪對話

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

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