|
Meta Llama 2 一经发布就吸引了全世界的目光，Starwhale 特别制作了 Llama 2-Chat 和 Llama 2-7b模型包。只需5分钟，您就可以在 https://cloud. 上和 Llama 2-Chat 进行对话。 后续我们也将提供Llama 2-13b 和 Llama 2-70b 的模型包，感兴趣的朋友们请持续关注！ 下文将为大家详细介绍什么是 Llama 2，什么是 Starwhale 以及如何使用 Starwhale 运行 Llama 2-Chat。 什么是 Llama 2Llama 2 系列模型是一组使用了优化的自回归 Transformer 架构的大语言模型，经过了预训练和微调，包含70亿、130亿和700亿三种参数版本。此外，Meta还训练了 340亿参数版本，但并未发布，相关数据在论文中有体现。 预训练：相比 Llama 1, Llama 2 的训练数据多了40%，用了2万亿个tokens进行训练，而且上下文长度是 Llama 1 的两倍，达到4096。Llama 2 适合用于各种自然语言生成任务。
Meta将 Llama 2-70b 的结果与闭源模型进行了比较，在 MMLU 和 GSM8K 上的表现接近 GPT-3.5, 但在编码基准上存在显著差异。此外，几乎所有基准上， Llama 2-70b 的结果与谷歌 PaLM-540 b 持平或表现更好，与 GPT-4 和 PaLM-2-L 的性能仍存在较大差距。
微调：Llama 2-Chat 是基于Llama 2 针对聊天对话场景微调的版本，使用 SFT (监督微调) 和 RLHF (人类反馈强化学习)进行迭代优化，以便更好的和人类偏好保持一致，提高安全性。微调数据使用了包括公开可用的指令数据集，以及一百多万新的人工标注样本。Llama 2-Chat 可用于类似助理的聊天。下图展示了单轮和多轮对话的违规百分比，与基线相比，Llama 2-Chat 在多轮对话中表现尤其良好。
什么是 StarwhaleStarwhale是一个MLOps平台，提供MLOps全流程解决方案，能够让开发者和企业高效便捷地进行模型托管、运行、评测、部署及数据集管理等。用户可以根据自己的需要，选择 Standalone、Server 或者 Cloud 任意一版使用，详细说明可参考文档什么是Starwhale。 如何使用 Starwhale Cloud 运行 Llama 2-Chat基本流程：登录账号 → 创建项目 → 运行模型 → 进行对话 一. 登录首先，需要登录Starwhale平台，点击跳转登录入口。如您尚未注册，可点击 注册入口 进行注册。 二. 创建项目成功登录后进入项目列表页，点击右上角的创建项目按钮，输入项目名称,点击 提交 按钮即可新建一个项目。
三. 运行模型进入作业列表页，点击右上角的创建任务按钮。 1) 选择运行资源，可以选择 A100 80G1（推荐） 或者 A10 24G1 2) 选择模型：starwhale/public/llama2-7b-chat/ki72ulaf(latest) 3) 选择handler：运行对话模型，选择默认项：evaluation:chatbot 4) 选择运行时：选择默认项，内置 5) 高级配置，打开自动释放开关：可设置任务自动释放时长，达到设置时长，系统会自动取消任务运行。如不设置自动释放，您可以在体验完成后手动取消任务。 点击提交即可运行模型
四. 查看运行结果和日志作业列表页可以查看项目中的所有作业。
点击作业ID ，进入任务详情页，点击查看日志可查看 从任务提交到模型运行起来，总计用时5分04秒
运行成功后返回任务列表，点击终端按钮，可打开 chatbox 页面，在 chatbox 页面和 Llama 2-Chat 对话
|
|
|
