Meta发布1B和3B端侧模型 11B和90B多模态模型 Llama3.2开源

早上起来发现，Meta AI又开源模型，文本模型开源了端侧小模型1B和3B模型，也是首次开源了多模态大模型11B和90B两个版本；同时还开源了一个 Llama Stack项目。

Blog:https://huggingface.co/collections/meta-llama/llama-32-66f448ffc8c32f949b04c8cf

其中Llama3.2多模态模型在图像识别和一系列视觉理解任务方面效果优于Claude 3 Haiku 和 GPT4o-mini。文本模型-Llama3.2-3B模型在循指令、总结、提示重写和工具使用等任务上优于 Gemma 2 2.6B 和 Phi 3.5-mini 模型。

多模态模型效果

端侧模型效果

多模态模型

Llama3.2的11B和90B模型多模态是基于Llama3.1-8B、70B文本模型上，增量增加图像模型。

pretrain阶段：

posting-train阶段：

端侧小模型

1B和3B模型都是基于8B模型裁剪后进行模型初始化，并且利用8B和70B模型进行模型蒸馏，9T数据预训练。

特别注意，这里蒸馏不是那种通过更大模型进行数据生成的蒸馏，而是再模型训练阶段，利用8B 和 70B 模型输出的 logits 影响模型loss，也就是传统的蒸馏方法 。

在post-traning阶段，训练方式语Llama3.1一致，采样监督微调、拒绝采样和直接偏好优化模型。

最后模型支持上下文扩展到 128K 个，同时也针对性优化了模型的多种能力，例如摘要、重写、指令遵循、语言推理和工具使用。

Llama Stack项目

Github:

 定义并标准化了将生成式 AI 应用程序推向市场所需的构建模块，跨越整个开发生命周期：从模型训练和微调，到评估，再到在生产环境中构建和运行AI Agent。


 主要是为了简化开发人员在不同环境（包括单节点、本地、云和设备上）中使用 Llama 模型的方式，帮助快速实现检索增强生成、工具使用等能力的快速部署。


 本文转载自​​，作者：