IT之家 9 月 25 日消息，英偉達 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，建立了一個高度準(zhǔn)確和高效的模型。
Llama-3.1-Nemotron-51B 簡介
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 即可運行，大大降低了內(nèi)存消耗、計算復(fù)雜性以及與運行此類大型模型相關(guān)的成本。
英偉達認(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 Bench | MMLU | Text generation (128/1024) | Summarization/ RAG (2048/128) | |
| Llama-3.1- Nemotron-51B- Instruct | 8.99 | 80.2% | 6472 | 653 |
| Llama 3.1-70B- Instruct | 8.93 | 81.66% | 2975 | 339 |
| Llama 3.1-70B- Instruct (single GPU) | — | — | 1274 | 301 |
| Llama 3-70B | 8.94 | 80.17% | 2975 | 339 |
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算效率。許多大規(guī)模模型都能提供最先進的結(jié)果，但卻需要耗費大量的硬件和能源資源，這限制了它們的適用性。
英偉達的新模型在這兩個相互競爭的因素之間取得了微妙的平衡。
Llama-3.1-Nemotron-51B 實現(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，降低了每秒浮點運算次數(shù) (FLOP)，并減少了總體內(nèi)存占用，同時不影響模型執(zhí)行推理、總結(jié)和語言生成等復(fù)雜任務(wù)的能力。
改進工作量管理，提高成本效益
Llama-3.1-Nemotron-51B 的一個突出特點是能夠在單個 GPU 上管理更大的工作負(fù)載。該型號允許開發(fā)人員在更具成本效益的環(huán)境中部署高性能 LLMs，在一個 H100 設(shè)備上運行以前需要多個 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 GPU 上運行 4 倍以上的工作負(fù)載，從而帶來了一系列新的機遇。
架構(gòu)優(yōu)化：成功的關(guān)鍵
Llama-3.1-Nemotron-51B 的成功主要歸功于一種新穎的結(jié)構(gòu)優(yōu)化方法。傳統(tǒng)上，LLMs 是使用相同的塊構(gòu)建的，這些塊在整個模型中重復(fù)出現(xiàn)。
這雖然簡化了構(gòu)建過程，但也帶來了效率低下的問題，特別是在內(nèi)存和計算成本方面。
英偉達通過采用 NAS 技術(shù)來優(yōu)化推理模型，從而解決了這些問題。該團隊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)生模型并評估其性能，英偉達開發(fā)出了 Llama-3.1 版本，在大幅降低資源需求的同時，還能提供類似的準(zhǔn)確度。
Puzzle 算法和知識蒸餾
Llama-3.1-Nemotron-51B 有別于其他模型的另一個關(guān)鍵組件，就是 Puzzle 算法。
該算法對模型中的每個潛在區(qū)塊進行評分，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-instruct | Llama-3.1-Nemotron-51B- Instruct | 準(zhǔn)確率 |
| winogrande | 85.08% | 84.53% | 99.35% |
| arc_challenge | 70.39% | 69.20% | 98.30% |
| MMLU | 81.66% | 80.20% | 98.21% |
| hellaswag | 86.44% | 85.58% | 99.01% |
| gsm8k | 92.04% | 91.43% | 99.34% |
| truthfulqa | 59.86% | 58.63% | 97.94% |
| xlsum_english | 33.86% | 31.61% | 93.36% |
| MMLU Chat | 81.76% | 80.58% | 98.55% |
| gsm8k Chat | 81.58% | 81.88% | 100.37% |
| Instruct HumanEval (n=20) | 75.85% | 73.84% | 97.35% |
| MT Bench | 8.93 | 8.99 | 100.67% |
通過使用知識蒸餾技術(shù)，Nvidia 縮小了參考模型（Llama-3.1-70B）與 Nemotron-51B 之間的精度差距，同時顯著降低了訓(xùn)練成本。
| 場景 | Input/Output Sequence Length | Llama-3.1- Nemotron- Instruct | Llama-3.1-70B-Instruct | Ratio | Llama (TP1) |
| Chatbot | 128/128 | 5478 (TP1) | 2645 (TP1) | 2.07 | 2645 |
| Text generation | 128/1024 | 6472 (TP1) | 2975 (TP4) | 2.17 | 1274 |
| Long text generation | 128/2048 | 4910 (TP2) | 2786 (TP4) | 1.76 | 646 |
| System 2 reasoning | 128/4096 | 3855 (TP2) | 1828 (TP4) | 2.11 | 313 |
| Summarization/ RAG | 2048/128 | 653 (TP1) | 339 (TP4) | 1.92 | 300 |
| Stress test 1 | 2048/2048 | 2622 (TP2) | 1336 (TP4) | 1.96 | 319 |
IT之家附上參考地址
廣告聲明：文內(nèi)含有的對外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。