license: other tags:

• 模型融合
• mergekit工具
• lazymergekit工具 base_model:
• meta-llama/Meta-Llama-3-70B-Instruct（重复7次）

Meta-Llama-3-120B指令模型

Meta-Llama-3-120B-Instruct是通过MergeKit工具对meta-llama/Meta-Llama-3-70B-Instruct进行自融合创建的。

其灵感来源于以下大型融合模型：

• alpindale/goliath-120b
• nsfwthrowitaway69/Venus-120b-v1.0
• cognitivecomputations/MegaDolphin-120b
• wolfram/miquliz-120b-v2.0

特别感谢Eric Hartford对本模型的启发与评估，以及Charles Goddard开发MergeKit工具。

🔍 应用场景

推荐将此模型用于创意写作。该模型采用Llama 3对话模板，默认支持8K上下文窗口（可通过rope theta参数扩展）。

评估章节中的示例可直观展示其性能。该模型通常具有天马行空的想象力且文风上乘，偶尔会出现拼写错误，并有偏好大写字母的特点。

⚡ 量化版本

感谢Bartowski、elinas及mlx社区提供的量化模型：

• GGUF格式：https://huggingface.co/lmstudio-community/Meta-Llama-3-120B-Instruct-GGUF
• EXL2格式：https://huggingface.co/elinas/Meta-Llama-3-120B-Instruct-4.0bpw-exl2
• mlx格式：https://huggingface.co/mlx-community/Meta-Llama-3-120B-Instruct-4bit

� 性能评估

该模型擅长创意写作，但在其他任务表现欠佳。建议谨慎使用，除特定场景外不要期待其超越GPT-4的表现。

• Eric Hartford创意写作测评：https://twitter.com/erhartford/status/1787050962114207886
• Daniel Kaiser创意写作测评：https://twitter.com/spectate_or/status/1787257261309518101
• Simon逻辑推理测评：https://twitter.com/NewDigitalEdu/status/1787403266894020893
• Reddit社区讨论：https://www.reddit.com/r/LocalLLaMA/comments/1cl525q/goliath_lovers_where_is_the_feedback_about/

创意写作展示

感谢Sam Paech的测评反馈！

🧩 融合配置

slices:
- sources:
  - layer_range: [0, 20]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [10, 30]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [20, 40]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [30, 50]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [40, 60]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [50, 70]
    model: meta-llama/Meta-Llama-3-70B-Instruct
- sources:
  - layer_range: [60, 80]
    model: meta-llama/Meta-Llama-3-70B-Instruct
merge_method: passthrough
dtype: float16

💻 使用示例

!pip install -qU transformers accelerate

from transformers import AutoTokenizer
import transformers
import torch

model = "mlabonne/Meta-Llama-3-120B-Instruct"
messages = [{"role": "user", "content": "什么是大语言模型？"}]

tokenizer = AutoTokenizer.from_pretrained(model)
prompt = tokenizer.apply_chat_template(messages, tokenize=False, add_generation_prompt=True)
pipeline = transformers.pipeline(
    "text-generation",
    model=model,
    torch_dtype=torch.float16,
    device_map="auto",
)

outputs = pipeline(prompt, max_new_tokens=256, do_sample=True, temperature=0.7, top_k=50, top_p=0.95)
print(outputs[0]["generated_text"])