AIGC動態(tài)歡迎閱讀

原標(biāo)題：NVIDIA把Llama-3的上下文長度擴(kuò)展16倍，長上下文理解能力超越GPT-4
關(guān)鍵字：模型,上下文,長度,長上,下文
文章來源：夕小瑤科技說
內(nèi)容字?jǐn)?shù)：0字

內(nèi)容摘要：

夕小瑤科技說 原創(chuàng)作者 | Richard在 Llama-3.1 模型發(fā)布之前，開源模型與閉源模型的性能之間一直存在較大的差距，尤其是在長上下文理解能力上。
大模型的上下文處理能力是指模型能夠處理的輸入和輸出 Tokens 的總數(shù)。這個(gè)長度有一個(gè)限制，超過這個(gè)限制的內(nèi)容會被模型忽略。一般而言，開源大模型的上下文長度普遍較短，例如 Llama3 的上下文長度為 8K；而閉源模型的上下文長度則要比開源模型長的多，例如 OpenAI 的 GPT-4 Turbo 支持 128K 的上下文長度。這意味著閉源模型能夠一次處理更多的信息，從而在復(fù)雜任務(wù)中表現(xiàn)出更強(qiáng)的能力。
最近 NVIDIA 研究團(tuán)隊(duì)在開源模型 Llama-3 的基礎(chǔ)上，通過一系列創(chuàng)新技術(shù)，將其上下文長度從原來的 8K 擴(kuò)展到了 128K，將 Llama-3 的上下文長度擴(kuò)展到原始的 16 倍。在長上下文理解能力上，擴(kuò)展之后的 Llama3-ChatQA-2-70B 模型甚至超越了 GPT-4。
研究團(tuán)隊(duì)使用經(jīng)過處理的 SlimPajama 數(shù)據(jù)集生成了 100 億個(gè) token 的 128K 長度的數(shù)據(jù)集。為了適應(yīng)較長的上下文，研

原文鏈接：NVIDIA把Llama-3的上下文長度擴(kuò)展16倍，長上下文理解能力超越GPT-4

聯(lián)系作者

文章來源：夕小瑤科技說
作者微信：
作者簡介：