库名称: transformers
语言:

• 阿拉伯语

• 德语

• 英语

• 西班牙语

• 法语

• 印地语

• 印尼语

• 意大利语

• 葡萄牙语

• 泰语

• 菲律宾语

• 越南语
  标签:

• facebook

• meta

• pytorch

• llama

• llama4
  额外授权提示: >-
  LLAMA 4社区许可协议

  Llama 4版本生效日期：2025年4月5日

  "协议"指本文规定的关于Llama材料使用、复制、分发和修改的条款和条件。

  "文档"指Meta在https://www.llama.com/docs/overview发布的Llama 4配套规范、手册和文档。

  "被许可方"或"您"指您、您的雇主或其他个人或实体（若您代表该个人或实体签署本协议），且需符合适用法律规定的法定同意年龄，并有法律授权代表雇主或其他实体签署本协议。

  "Llama 4"指Meta在https://www.llama.com/llama-downloads发布的基础大语言模型及软件算法，包括机器学习模型代码、训练权重、推理代码、训练代码、微调代码等。

  "Llama材料"指本协议下Meta提供的Llama 4和文档（或其部分内容）。

  "Meta"或"我们"指Meta Platforms爱尔兰有限公司（若您位于欧洲经济区或瑞士）或Meta Platforms公司（若您位于其他地区）。

  点击下方"我接受"或使用、分发Llama材料即表示您同意受本协议约束。

  1. 许可权利与再分发
     a. 权利授予。您获得非独占、全球性、不可转让、免版税的有限许可，可使用、复制、分发、修改Llama材料。
     b. 再分发要求：
     i. 若分发Llama材料或其衍生作品，需附带本协议并在显著位置标注"基于Llama构建"；若用于创建AI模型，需在模型名称前添加"Llama"。
     ii. 若通过集成产品获得Llama材料，第2条不适用。
     iii. 必须在分发副本中保留版权声明："Llama 4采用Llama 4社区许可，版权所有© Meta Platforms公司"。
     iv. 使用需遵守法律及可接受使用政策（https://www.llama.com/llama4/use-policy）。

  2. 商业条款。若月活跃用户超7亿，需向Meta申请额外许可。

  3. 免责声明。除非法律要求，Llama材料按"原样"提供，不附带任何明示或暗示保证。

  4. 责任限制。Meta不对任何间接、特殊、后果性损害承担责任。

  5. 知识产权
     a. 仅允许为合规使用"Llama"商标，需遵循品牌指南。
     b. 您拥有衍生作品的版权。
     c. 若对Meta提起知识产权诉讼，许可自动终止。

  6. 期限与终止。违约时Meta可终止协议，终止后需删除材料。第3、4、7条持续有效。

  7. 适用法律。本协议受加州法律管辖，排除联合国国际货物销售合同公约。

额外授权字段:
名: 文本
姓: 文本
出生日期: 日期选择
国家: 国家选择
所属机构: 文本
职位:
类型: 下拉
选项:
- 学生
- 研究生
- AI研究员
- AI开发/工程师
- 记者
- 其他
地理位置: IP定位
勾选提交即接受许可条款并同意按Meta隐私政策处理信息: 复选框
额外授权说明: >-
所提供信息将按Meta隐私政策处理。
提交按钮内容: 提交
授权标题: "请提供完整法定姓名、出生日期及含公司标识的全称。避免使用缩写和特殊字符。未按要求填写可能无法访问此模型及Hugging Face其他资源。提交后不可编辑，请确保信息准确。"
许可证类型: 其他
许可证名称: llama4

模型信息

Llama 4系列是多模态AI模型，支持文本和图像理解。采用混合专家架构，提供行业领先性能。

本次发布两款高效模型：

• Llama 4 Scout：170亿参数，16专家
• Llama 4 Maverick：170亿参数，128专家

开发者: Meta
架构: 自回归语言模型，混合专家(MoE)架构，支持早期多模态融合。

支持语言: 阿拉伯语、英语、法语等12种语言。
发布日期: 2025年4月5日
状态: 静态离线训练模型，未来可能发布优化版本。
许可证: Llama 4社区许可协议（链接）

使用场景

适用: 商业/研究用途，包括聊天助手、视觉推理、代码生成等。
不适用: 违反法律或可接受使用政策的行为，及超出12种支持语言的范围（注：开发者可自行微调其他200种语言，但需确保安全）。

使用示例

from transformers import pipeline  
pipe = pipeline("text-generation", model="meta-llama/Llama-4-Scout-17B-16E", torch_dtype=torch.bfloat16)  
output = pipe("玫瑰是红色的，", max_new_tokens=200)  

硬件与能耗

训练能耗: 累计738万GPU小时（H100-80GB），碳排放1999吨（基于地理位置），因Meta使用可再生能源，市场碳排放为0。

基准测试

（表格显示Llama 4在MMLU、MATH等基准上优于Llama 3.1，具体数值略）

安全措施

• 微调数据: 结合人工标注与合成数据，降低安全风险
• 拒绝策略: 减少对良性提示的拒绝，优化语气
• 系统提示模板: 提供可定制的对话引导模板
• 防护工具: 集成Llama Guard、Prompt Guard等

关键风险管控

重点关注：

1. CBRNE（化生放核爆）材料相关风险
2. 儿童安全内容过滤
3. 网络攻击能力评估

社区参与

通过开源工具、漏洞赏金计划等鼓励社区共建安全生态。

注意事项

Llama 4作为新技术存在不可预测的输出风险，开发者需针对具体应用进行安全测试。建议参考Meta提供的开发者指南和资源库。

（注：表格和部分技术细节因篇幅简化，完整内容请参考原文链接）