9 月 25 日消息，英偉達(dá) 9 月 23 日發(fā)布博文，宣布推出 Llama-3.1-Nemotron-51B AI 模型，源自 Meta 公司的 Llama-3.1-70B，不過創(chuàng)新使用神經(jīng)架構(gòu)搜索（NAS）方法，建立了一個(gè)高度準(zhǔn)確和高效的模型。
Llama-3.1-Nemotron-51B 簡(jiǎn)介Llama-3.1-Nemotron-51B AI 模型基于Meta 公司 2024 年 7 月發(fā)布的 Llama-3.1-70B 模型，共有 510 億參數(shù)。
該 AI 模型主要采用了神經(jīng)架構(gòu)搜索（NAS）技術(shù)微調(diào)，平衡性能和效率，在高工作負(fù)荷下，只需要一片 H100 GPU 即可運(yùn)行，大大降低了內(nèi)存消耗、計(jì)算復(fù)雜性以及與運(yùn)行此類大型模型相關(guān)的成本。
英偉達(dá)認(rèn)為這種方式在保持了出色的精度前提下，顯著降低了內(nèi)存占用、內(nèi)存帶寬和 FLOPs，并證明可以在創(chuàng)建另一個(gè)更小、更快的變體來加以推廣。
Llama-3.1-Nemotron-51B 性能相比較 Meta 的 Llama-3.1-70B 模型，Llama-3.1-Nemotron-51B 在保持了幾乎相同的精度情況下，推理速度提高了 2.2 倍。
準(zhǔn)確率能效 MT BenchMMLUText generation(128/1024)Summarization/ RAG (2048/128)Llama-3.1- Nemotron-51B- Instruct8.9980.2%6472653Llama 3.1-70B- Instruct8.9381.66%2975339Llama 3.1-70B- Instruct (single GPU)——1274301Llama 3-70B8.9480.17%2975339效率和性能方面的突破開發(fā) LLM 過程中面臨的主要挑戰(zhàn)之一是如何平衡精度與計(jì)算效率。許多大規(guī)模模型都能提供最先進(jìn)的結(jié)果，但卻需要耗費(fèi)大量的硬件和能源資源，這限制了它們的適用性。
英偉達(dá)的新模型在這兩個(gè)相互競(jìng)爭(zhēng)的因素之間取得了微妙的平衡。
Llama-3.1-Nemotron-51B 實(shí)現(xiàn)了令人印象深刻的精度與效率權(quán)衡，減少了內(nèi)存帶寬，降低了每秒浮點(diǎn)運(yùn)算次數(shù) (FLOP)，并減少了總體內(nèi)存占用，同時(shí)不影響模型執(zhí)行推理、總結(jié)和語言生成等復(fù)雜任務(wù)的能力。
改進(jìn)工作量管理，提高成本效益Llama-3.1-Nemotron-51B 的一個(gè)突出特點(diǎn)是能夠在單個(gè) GPU 上管理更大的工作負(fù)載。該型號(hào)允許開發(fā)人員在更具成本效益的環(huán)境中部署高性能 LLMs，在一個(gè) H100 設(shè)備上運(yùn)行以前需要多個(gè) GPU 才能完成的任務(wù)。
Llama-3.1-Nemotron-51B 模型還減少了內(nèi)存占用，在推理過程中可以在單個(gè) GPU 上運(yùn)行 4 倍以上的工作負(fù)載，從而帶來了一系列新的機(jī)遇。
架構(gòu)優(yōu)化：成功的關(guān)鍵Llama-3.1-Nemotron-51B 的成功主要?dú)w功于一種新穎的結(jié)構(gòu)優(yōu)化方法。傳統(tǒng)上，LLMs 是使用相同的塊構(gòu)建的，這些塊在整個(gè)模型中重復(fù)出現(xiàn)。
這雖然簡(jiǎn)化了構(gòu)建過程，但也帶來了效率低下的問題，特別是在內(nèi)存和計(jì)算成本方面。
英偉達(dá)通過采用 NAS 技術(shù)來優(yōu)化推理模型，從而解決了這些問題。該團(tuán)隊(duì)采用了分塊蒸餾過程，即訓(xùn)練更小、更高效的學(xué)生模型（student model），以模仿更大的教師模型（teacher model）的功能。
通過完善這些學(xué)生模型并評(píng)估其性能，英偉達(dá)開發(fā)出了 Llama-3.1 版本，在大幅降低資源需求的同時(shí)，還能提供類似的準(zhǔn)確度。
Puzzle 算法和知識(shí)蒸餾Llama-3.1-Nemotron-51B 有別于其他模型的另一個(gè)關(guān)鍵組件，就是 Puzzle 算法。
該算法對(duì)模型中的每個(gè)潛在區(qū)塊進(jìn)行評(píng)分，并確定哪些配置能在速度和精度之間取得最佳平衡。
跑分 Llama-3.1 70B-instructLlama-3.1-Nemotron-51B- Instruct 準(zhǔn)確率winogrande85.08%84.53%99.35%arc_challenge70.39%69.20%98.30%MMLU81.66%80.20%98.21%hellaswag86.44%85.58%99.01%gsm8k92.04%91.43%99.34%truthfulqa59.86%58.63%97.94%xlsum_english33.86%31.61%93.36%MMLU Chat81.76%80.58%98.55%gsm8k Chat81.58%81.88%100.37%Instruct HumanEval (n=20)75.85%73.84%97.35%MT Bench8.938.99100.67%通過使用知識(shí)蒸餾技術(shù)，Nvidia 縮小了參考模型（Llama-3.1-70B）與 Nemotron-51B 之間的精度差距，同時(shí)顯著降低了訓(xùn)練成本。
場(chǎng)景 Input/Output Sequence LengthLlama-3.1- Nemotron- InstructLlama-3.1-70B-InstructRatioLlama (TP1)Chatbot128/1285478 (TP1)2645 (TP1)2.072645Text generation128/10246472 (TP1)2975 (TP4)2.171274Long text generation128/20484910 (TP2)2786 (TP4)1.76646System 2 reasoning128/40963855 (TP2)1828 (TP4)2.11313Summarization/ RAG2048/128653 (TP1)339 (TP4)1.92300Stress test 12048/20482622 (TP2)1336 (TP4)1.96319
附上參考地址
Advancing the Accuracy-Efficiency Frontier with Llama-3.1-Nemotron-51B
Nvidia AI Releases Llama-3.1-Nemotron-51B: A New LLM that Enables Running 4x Larger Workloads on a Single GPU During Inference
本文鏈接：http://www.rrqrq.com/showinfo-45-7797-0.html英偉達(dá)發(fā)布 Llama-3.1-Nemotron-51B AI 模型：創(chuàng)新神經(jīng)架構(gòu)搜索等技術(shù)讓單 H100 GPU 運(yùn)行 4 倍以上負(fù)載
聲明：本網(wǎng)頁內(nèi)容旨在傳播知識(shí)，若有侵權(quán)等問題請(qǐng)及時(shí)與本網(wǎng)聯(lián)系，我們將在第一時(shí)間刪除處理。郵件：[email protected]
Copyright ? 2016-2023 天津谷騏科技有限公司 版權(quán)所有 sitemap.xml
違法及侵權(quán)請(qǐng)聯(lián)系：[email protected] 津ICP備18001702號(hào)
津公網(wǎng)安備 12010102000574號(hào)
