🚀 Meta Llama 3.1 多语言大语言模型

Meta Llama 3.1 是一系列多语言大语言模型（LLMs），涵盖 8B、70B 和 405B 三种规格的预训练和指令微调生成模型（文本输入/输出）。这些模型针对多语言对话场景进行了优化，在常见行业基准测试中表现出色，超越了许多现有的开源和闭源聊天模型。

🚀 快速开始

使用 Transformers 库

从 transformers >= 4.43.0 版本开始，你可以使用 Transformers 的 pipeline 抽象或借助 Auto 类和 generate() 函数进行对话推理。

请确保通过以下命令更新你的 transformers 库：

pip install --upgrade transformers

以下是一个使用示例：

import transformers
import torch

model_id = "meta-llama/Meta-Llama-3.1-8B-Instruct"

pipeline = transformers.pipeline(
    "text-generation",
    model=model_id,
    model_kwargs={"torch_dtype": torch.bfloat16},
    device_map="auto",
)

messages = [
    {"role": "system", "content": "You are a pirate chatbot who always responds in pirate speak!"},
    {"role": "user", "content": "Who are you?"},
]

outputs = pipeline(
    messages,
    max_new_tokens=256,
)
print(outputs[0]["generated_text"][-1])

你还可以在 huggingface-llama-recipes 找到更多关于本地使用模型、torch.compile()、辅助生成、量化等详细使用方法。

使用 Transformers 进行工具调用

LLaMA - 3.1 支持多种工具调用格式。你可以在 这里 查看完整的提示格式指南。

在 Transformers 中，也可以通过 聊天模板 支持工具调用。以下是一个简单工具调用的快速示例：

# 首先，定义一个工具
def get_current_temperature(location: str) -> float:
    """
    Get the current temperature at a location.
    
    Args:
        location: The location to get the temperature for, in the format "City, Country"
    Returns:
        The current temperature at the specified location in the specified units, as a float.
    """
    return 22.  # A real function should probably actually get the temperature!

# 接下来，创建一个聊天并应用聊天模板
messages = [
  {"role": "system", "content": "You are a bot that responds to weather queries."},
  {"role": "user", "content": "Hey, what's the temperature in Paris right now?"}
]

inputs = tokenizer.apply_chat_template(messages, tools=[get_current_temperature], add_generation_prompt=True)

你可以像往常一样从这个输入生成文本。如果模型生成了工具调用，你应该将其添加到聊天中，如下所示：

tool_call = {"name": "get_current_temperature", "arguments": {"location": "Paris, France"}}
messages.append({"role": "assistant", "tool_calls": [{"type": "function", "function": tool_call}]})

然后调用工具并将结果以 tool 角色添加到聊天中，如下所示：

messages.append({"role": "tool", "name": "get_current_temperature", "content": "22.0"})

之后，你可以再次调用 generate() 让模型在聊天中使用工具结果。请注意，这只是工具调用的简要介绍，更多信息请参阅 LLaMA 提示格式文档 和 Transformers 的 工具使用文档。

使用 llama 代码库

请遵循 仓库 中的说明。

要下载原始检查点，请参考以下使用 huggingface-cli 的示例命令：

huggingface-cli download meta-llama/Meta-Llama-3.1-8B-Instruct --include "original/*" --local-dir Meta-Llama-3.1-8B-Instruct

✨ 主要特性

• 多语言支持：支持英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。
• 高性能表现：在常见行业基准测试中超越许多现有开源和闭源聊天模型。
• 工具调用支持：支持多种工具调用格式，方便开发者集成外部工具。
• 长上下文窗口：提供更长的上下文窗口，增强模型的理解和生成能力。

📦 安装指南

使用该模型前，请确保安装了 transformers 库，可通过以下命令进行更新：

pip install --upgrade transformers

📚 详细文档

模型信息

属性	详情
模型开发者	Meta
模型架构	Llama 3.1 是一种自回归语言模型，采用优化的 Transformer 架构。微调版本使用监督微调（SFT）和基于人类反馈的强化学习（RLHF）来符合人类对有用性和安全性的偏好。
训练数据	Llama 3.1 在约 15 万亿个来自公开来源的标记上进行预训练。微调数据包括公开可用的指令数据集以及超过 2500 万个合成生成的示例。
支持语言	英语、德语、法语、意大利语、葡萄牙语、印地语、西班牙语和泰语。
模型发布日期	2024 年 7 月 23 日
状态	这是一个基于离线数据集训练的静态模型。随着我们通过社区反馈改进模型安全性，未来将发布微调模型的新版本。
许可证	自定义商业许可证，Llama 3.1 社区许可证，可在 这里 查看。

预期用途

预期用例

Llama 3.1 旨在用于多种语言的商业和研究用途。指令微调的纯文本模型适用于类似助手的聊天场景，而预训练模型可用于各种自然语言生成任务。Llama 3.1 模型系列还支持利用其模型输出改进其他模型，包括合成数据生成和蒸馏。Llama 3.1 社区许可证允许这些用例。

超出范围的使用

• 以任何违反适用法律法规（包括贸易合规法律）的方式使用。
• 以可接受使用政策和 Llama 3.1 社区许可证禁止的任何其他方式使用。
• 在本模型卡片中未明确提及支持的语言中使用。

⚠️ 重要提示

Llama 3.1 已在比 8 种支持语言更广泛的语言集合上进行了训练。开发者可以针对 8 种支持语言之外的语言对 Llama 3.1 模型进行微调，但前提是他们遵守 Llama 3.1 社区许可证和可接受使用政策，并负责确保以安全和负责任的方式使用 Llama 3.1 处理其他语言。

硬件和软件

训练因素

我们使用自定义训练库、Meta 定制的 GPU 集群和生产基础设施进行预训练。微调、标注和评估也在生产基础设施上进行。

训练计算资源

训练总共使用了 3930 万 GPU 小时的 H100 - 80GB（TDP 为 700W）类型硬件计算资源。训练时间是训练每个模型所需的总 GPU 时间，功耗是每个 GPU 设备的峰值功率容量，并根据功率使用效率进行了调整。

训练温室气体排放

训练估计的基于位置的总温室气体排放量为 11390 吨 CO2eq。自 2020 年以来，Meta 在其全球运营中保持了净零温室气体排放，并使用可再生能源匹配了 100% 的电力使用，因此训练的基于市场的总温室气体排放量为 0 吨 CO2eq。

模型	训练时间（GPU 小时）	训练功耗（W）	训练基于位置的温室气体排放（吨 CO2eq）	训练基于市场的温室气体排放（吨 CO2eq）
Llama 3.1 8B	146 万	700	420	0
Llama 3.1 70B	700 万	700	2040	0
Llama 3.1 405B	3084 万	700	8930	0
总计	3930 万	-	11390	0

确定训练能源使用和温室气体排放的方法可在 这里 找到。由于 Meta 正在公开发布这些模型，其他人不会产生训练能源使用和温室气体排放。

基准测试分数

基础预训练模型

类别	基准测试	样本数	指标	Llama 3 8B	Llama 3.1 8B	Llama 3 70B	Llama 3.1 70B	Llama 3.1 405B
通用	MMLU	5	macro_avg/acc_char	66.7	66.7	79.5	79.3	85.2
通用	MMLU - Pro (CoT)	5	macro_avg/acc_char	36.2	37.1	55.0	53.8	61.6
通用	AGIEval English	3 - 5	average/acc_char	47.1	47.8	63.0	64.6	71.6
通用	CommonSenseQA	7	acc_char	72.6	75.0	83.8	84.1	85.8
通用	Winogrande	5	acc_char	-	60.5	-	83.3	86.7
通用	BIG - Bench Hard (CoT)	3	average/em	61.1	64.2	81.3	81.6	85.9
通用	ARC - Challenge	25	acc_char	79.4	79.7	93.1	92.9	96.1
知识推理	TriviaQA - Wiki	5	em	78.5	77.6	89.7	89.8	91.8
阅读理解	SQuAD	1	em	76.4	77.0	85.6	81.8	89.3
阅读理解	QuAC (F1)	1	f1	44.4	44.9	51.1	51.1	53.6
阅读理解	BoolQ	0	acc_char	75.7	75.0	79.0	79.4	80.0
阅读理解	DROP (F1)	3	f1	58.4	59.5	79.7	79.6	84.8

指令微调模型

类别	基准测试	样本数	指标	Llama 3 8B Instruct	Llama 3.1 8B Instruct	Llama 3 70B Instruct	Llama 3.1 70B Instruct	Llama 3.1 405B Instruct
通用	MMLU	5	macro_avg/acc	68.5	69.4	82.0	83.6	87.3
通用	MMLU (CoT)	0	macro_avg/acc	65.3	73.0	80.9	86.0	88.6
通用	MMLU - Pro (CoT)	5	micro_avg/acc_char	45.5	48.3	63.4	66.4	73.3
通用	IFEval	-	-	76.8	80.4	82.9	87.5	88.6
推理	ARC - C	0	acc	82.4	83.4	94.4	94.8	96.9
推理	GPQA	0	em	34.6	30.4	39.5	46.7	50.7
代码	HumanEval	0	pass@1	60.4	72.6	81.7	80.5	89.0
代码	MBPP ++ base version	0	pass@1	70.6	72.8	82.5	86.0	88.6
代码	Multipl - E HumanEval	0	pass@1	-	50.8	-	65.5	75.2
代码	Multipl - E MBPP	0	pass@1	-	52.4	-	62.0	65.7
数学	GSM - 8K (CoT)	8	em_maj1@1	80.6	84.5	93.0	95.1	96.8
数学	MATH (CoT)	0	final_em	29.1	51.9	51.0	68.0	73.8
工具使用	API - Bank	0	acc	48.3	82.6	85.1	90.0	92.0
工具使用	BFCL	0	acc	60.3	76.1	83.0	84.8	88.5
工具使用	Gorilla Benchmark API Bench	0	acc	1.7	8.2	14.7	29.7	35.3
工具使用	Nexus (0 - shot)	0	macro_avg/acc	18.1	38.5	47.8	56.7	58.7
多语言	Multilingual MGSM (CoT)	0	em	-	68.9	-	86.9	91.6

多语言基准测试

类别	基准测试	语言	Llama 3.1 8B	Llama 3.1 70B	Llama 3.1 405B
通用	MMLU (5 - shot, macro_avg/acc)	葡萄牙语	62.12	80.13	84.95
通用	MMLU (5 - shot, macro_avg/acc)	西班牙语	62.45	80.05	85.08
通用	MMLU (5 - shot, macro_avg/acc)	意大利语	61.63	80.4	85.04
通用	MMLU (5 - shot, macro_avg/acc)	德语	60.59	79.27	84.36
通用	MMLU (5 - shot, macro_avg/acc)	法语	62.34	79.82	84.66
通用	MMLU (5 - shot, macro_avg/acc)	印地语	50.88	74.52	80.31
通用	MMLU (5 - shot, macro_avg/acc)	泰语	50.32	72.95	78.21

责任与安全

负责任的发布策略

作为我们负责任发布方法的一部分，我们采用了三管齐下的策略来管理信任和安全风险：

• 使开发者能够为其目标受众和 Llama 支持的用例部署有用、安全和灵活的体验。
• 保护开发者免受旨在利用 Llama 功能造成潜在危害的恶意用户的攻击。
• 为社区提供保护，防止我们的模型被滥用。

负责任的部署

Llama 是一种基础技术，旨在用于各种用例。关于 Meta 的 Llama 模型如何负责任地部署的示例，可以在我们的 社区故事网页 上找到。我们的方法是构建最有用的模型，通过针对通用用例调整模型安全性，解决一系列标准危害，使世界受益于技术力量。然后，开发者可以根据自己的用例定制安全性，定义自己的政策，并在其 Llama 系统中部署必要的保障措施来使用模型。Llama 3.1 是按照我们的《负责任使用指南》中概述的最佳实践开发的，你可以参考 《负责任使用指南》 了解更多信息。

Llama 3.1 指令微调

我们进行安全微调的主要目标是为研究社区提供一个研究安全微调鲁棒性的有价值资源，同时为开发者提供一个随时可用、安全且强大的模型，用于各种应用，以减少开发者部署安全 AI 系统的工作量。有关实施的安全缓解措施的更多详细信息，请阅读 Llama 3 论文。

微调数据

我们采用多方面的数据收集方法，将供应商提供的人工生成数据与合成数据相结合，以减轻潜在的安全风险。我们开发了许多基于大语言模型（LLM）的分类器，使我们能够精心选择高质量的提示和响应，加强数据质量控制。

拒绝和语气

在 Llama 3 的基础上，我们非常重视模型对良性提示的拒绝以及拒绝语气。我们在安全数据策略中纳入了边界和对抗性提示，并修改了安全数据响应以遵循语气指南。

Llama 3.1 系统

包括 Llama 3.1 在内的大语言模型并非设计用于单独部署，而是应作为具有额外安全护栏的整体 AI 系统的一部分进行部署。开发者在构建自主系统时应部署系统保障措施。保障措施对于实现正确的有用性 - 安全性对齐以及减轻系统固有的安全和风险以及模型或系统与外部工具集成时的风险至关重要。

作为我们负责任发布方法的一部分，我们为社区提供了 保障措施，开发者应将其与 Llama 模型或其他大语言模型一起部署，包括 Llama Guard 3、Prompt Guard 和 Code Shield。我们所有的 参考实现 演示默认包含这些保障措施，以便开发者可以立即受益于系统级安全。

新功能

请注意，此版本引入了新功能，包括更长的上下文窗口、多语言输入和输出以及开发者可能与第三方工具的集成。使用这些新功能除了需要遵循适用于所有生成式 AI 用例的最佳实践外，还需要进行特定考虑。

工具使用

就像在标准软件开发中一样，开发者负责将 LLM 与他们选择的工具和服务集成。他们应该为自己的用例定义明确的政策，并评估他们使用的第三方服务的完整性，以了解使用此功能时的安全和风险限制。有关安全部署第三方保障措施的最佳实践，请参考《负责任使用指南》。

多语言支持

Llama 3.1 除英语外还支持 7 种语言：法语、德语、印地语、意大利语、葡萄牙语、西班牙语和泰语。Llama 可能能够输出超出安全和有用性性能阈值的其他语言文本。我们强烈建议开发者在未根据其政策和《负责任使用指南》中分享的最佳实践进行微调并实施系统控制的情况下，不要使用此模型进行不支持语言的对话。

评估

我们对 Llama 模型进行了常见用例和特定功能的评估。常见用例评估衡量了最常见构建的应用程序（包括聊天机器人、编码助手、工具调用）的系统安全风险。我们构建了专门的对抗性评估数据集，并评估了由 Llama 模型和 Llama Guard 3 组成的系统，以过滤输入提示和输出响应。在上下文中评估应用程序很重要，我们建议为你的用例构建专门的评估数据集。如果与应用程序相关，Prompt Guard 和 Code Shield 也可用。

功能评估衡量了 Llama 模型特定功能固有的漏洞，为此我们精心设计了专门的基准测试，包括长上下文、多语言、工具调用、编码或记忆。

红队测试

对于这两种情况，我们进行了定期的红队测试，目标是通过对抗性提示发现风险，并利用这些经验教训改进我们的基准测试和安全调优数据集。

我们早期与关键风险领域的主题专家合作，了解这些现实世界危害的性质以及此类模型可能如何对社会造成意外危害。基于这些对话，我们为红队制定了一组对抗性目标，例如提取有害信息或重新编程模型以发挥潜在的有害作用。红队由网络安全、对抗性机器学习、负责任 AI 和诚信方面的专家以及在特定地理市场具有诚信问题背景的多语言内容专家组成。

关键和其他风险

我们特别关注减轻以下关键风险领域：

• CBRNE（化学、生物、放射性、核和爆炸物材料）有用性：为了评估与化学和生物武器扩散相关的风险，我们进行了提升测试，旨在评估使用 Llama 3.1 模型是否会显著增强恶意行为者使用这些类型武器策划或实施攻击的能力。
• 儿童安全：我们使用专家团队进行了儿童安全风险评估，以评估模型产生可能导致儿童安全风险的输出的能力，并通过微调提供必要和适当的风险缓解建议。我们利用这些专家红队测试扩展了我们在 Llama 3 模型开发过程中评估基准的覆盖范围。对于 Llama 3，我们使用基于目标的方法进行了新的深入测试，以评估模型在多个攻击向量上的风险，包括 Llama 3 训练的额外语言。我们还与内容专家合作进行红队测试，评估潜在违规内容，同时考虑特定市场的细微差别或经验。
• 网络攻击支持：我们的网络攻击提升研究调查了大语言模型是否能在技能水平和速度方面增强人类在黑客任务中的能力。我们的攻击自动化研究专注于评估大语言模型作为自主代理在网络攻击行动中的能力，特别是在勒索软件攻击的背景下。这项评估与之前将大语言模型视为交互式助手的研究不同。主要目标是评估这些模型是否能在没有人类干预的情况下有效地作为独立代理执行复杂的网络攻击。我们对 Llama - 3.1 - 405B 对网络攻击者的社会工程提升的研究旨在评估 AI 模型在帮助网络威胁行为者进行鱼叉式网络钓鱼活动中的有效性。更多信息请阅读我们的 Llama 3.1 网络安全白皮书。

社区参与

生成式 AI 安全需要专业知识和工具，我们相信开放社区的力量可以加速其发展。我们是开放联盟的积极成员，包括 AI 联盟、AI 合作组织和 MLCommons，积极为安全标准化和透明度做出贡献。我们鼓励社区采用像 MLCommons 概念验证评估这样的分类法，以促进安全和内容评估的协作和透明度。我们的 Purple Llama 工具已开源供社区使用，并广泛分发给包括云服务提供商在内的生态系统合作伙伴。我们鼓励社区为我们的 Github 仓库 做出贡献。

我们还设立了 Llama 影响赠款 计划，以识别和支持 Meta 的 Llama 模型在教育、气候和开放创新三个类别中对社会有益的最有前景的应用。数百份申请中的 20 名决赛选手可以在 这里 找到。

最后，我们建立了一套资源，包括 输出报告机制 和 漏洞赏金计划，以在社区的帮助下不断改进 Llama 技术。

伦理考虑和局限性

Llama 3.1 的核心价值观是开放性、包容性和有用性。它旨在为所有人服务，并适用于广泛的用例。因此，它旨在让不同背景、经验和观点的人都能使用。Llama 3.1 以用户的实际需求为出发点，不插入不必要的判断或规范性内容，同时认识到即使在某些情况下可能看起来有问题的内容，在其他情况下也可能有价值。它尊重所有用户的尊严和自主权，特别是在推动创新和进步的自由思想和表达价值观方面。

然而，Llama 3.1 是一项新技术，与任何新技术一样，其使用存在风险。到目前为止进行的测试尚未涵盖，也不可能涵盖所有场景。因此，与所有大语言模型一样，Llama 3.1 的潜在输出无法提前预测，模型在某些情况下可能会对用户提示产生不准确、有偏见或其他令人反感的响应。因此，在部署 Llama 3.1 模型的任何应用之前，开发者应针对其特定应用进行安全测试和调整。请参考可用资源，包括我们的 《负责任使用指南》、信任与安全 解决方案以及其他 资源，以了解更多关于负责任开发的信息。

📄 许可证

Llama 3.1 采用自定义商业许可证，即 Llama 3.1 社区许可证，可在 这里 查看。

Llama 3.1 社区许可证协议

请参考 完整协议 了解详细的使用条款和条件。

Llama 3.1 可接受使用政策

Meta 致力于促进其工具和功能（包括 Llama 3.1）的安全和公平使用。如果你访问或使用 Llama 3.1，即表示你同意本可接受使用政策（“政策”）。该政策的最新版本可在 https://llama.meta.com/llama3_1/use-policy 找到。

禁止使用情况

我们希望每个人都能安全、负责任地使用 Llama 3.1。你同意不会使用或允许他人使用 Llama 3.1 进行以下行为：

• 违反法律或他人权利，包括：
  • 从事、促进、生成、参与、鼓励、策划、煽动或推动非法或违法活动或内容，例如：
    • 暴力或恐怖主义
    • 对儿童的剥削或伤害，包括征集、创建、获取或传播儿童剥削内容或未报告儿童性虐待材料
    • 人口贩运、剥削和性暴力
    • 向未成年人非法分发信息或材料，包括淫秽材料，或未对相关信息或材料采用法律要求的年龄限制
    • 性引诱
    • 任何其他犯罪活动
  • 从事、促进、煽动或便利对个人或群体的骚扰、虐待、威胁或欺凌
  • 从事、促进、煽动或便利在就业、就业福利、信贷、住房、其他经济福利或其他基本商品和服务提供方面的歧视或其他非法或有害行为
  • 从事未经授权或无执照的任何专业实践，包括但不限于金融、法律、医疗/健康或相关专业实践
  • 在未获得适用法律要求的权利和同意的情况下，收集、处理、披露、生成或推断个人的健康、人口统计或其他敏感个人或私人信息
  • 从事或便利任何侵犯、盗用或以其他方式侵犯任何第三方权利的行为或生成此类内容，包括使用 Llama 材料的任何产品或服务的输出或结果
  • 创建、生成或便利创建恶意代码、恶意软件、计算机病毒或进行任何可能禁用、使负担过重、干扰或损害网站或计算机系统正常运行、完整性、操作或外观的其他操作
• 从事、促进、煽动、便利或协助策划或开展可能对个人造成死亡或身体伤害风险的活动，包括与以下方面相关的 Llama 3.1 使用：
  • 军事、战争、核工业或应用、间谍活动、受美国国务院《国际武器贸易条例》（ITAR）管制的材料或活动
  • 枪支和非法武器（包括武器开发）
  • 非法药物和受管制/受控物质
  • 关键基础设施、运输技术或重型机械的操作
  • 自我伤害或对他人的伤害，包括自杀、自残和饮食失调
  • 任何旨在煽动或促进暴力、虐待或对个人造成身体伤害的内容
• 故意欺骗或误导他人，包括与以下方面相关的 Llama 3.1 使用：
  • 生成、促进或推动欺诈或创建或推广虚假信息
  • 生成、促进或推动诽谤性内容，包括创建诽谤性声明、图像或其他内容
  • 生成、促进或进一步分发垃圾邮件
  • 在未经同意、授权或合法权利的情况下冒充他人
  • 表示 Llama 3.1 的使用或输出是人类生成的
  • 生成或便利虚假的在线互动，包括虚假评论和其他虚假在线互动方式
• 未能向最终用户适当披露你的 AI 系统的任何已知危险

请通过以下方式之一报告任何违反本政策、软件“漏洞”或其他可能导致违反本政策的问题：

• 报告模型问题：https://github.com/meta-llama/llama-models/issues
• 报告模型生成的风险内容：developers.facebook.com/llama_output_feedback
• 报告漏洞和安全问题：facebook.com/whitehat/info
• 报告违反可接受使用政策或未经授权使用 Meta Llama 3 的情况：LlamaUseReport@meta.com