英伟达9月23日发布博文，宣布推出Llama-3.1-Nemotron-51B AI模型，源自Meta公司的Llama-3.1-70B，不过创新使用神经架构搜索（NAS）方法，建立了一个高度准确和高效的模型。
Etj0k}
A !g`^<y ! Llama-3.1-Nemotron-51B简介
[TW?sW^0 s'7PHP)LOJ Llama-3.1-Nemotron-51B AI模型将于Meta公司2024年7月发布的Llama-3.1-70B模型，共有510亿参数。
@V\ u<n 2uCw[iZM 该AI模型主要采用了神经架构搜索（NAS）技术微调，平衡性能和效率，在高工作负荷下，只需要一片H100 GPU即可运行，大大降低了内存消耗、计算复杂性以及与运行此类大型模型相关的成本。
xmM!SY > _YK66cS3E/ 英伟达认为这种方式在保持了出色的精度前提下，显著降低了内存占用、内存带宽和FLOPs，并证明可以在创建另一个更小、更快的变体来加以推广。
(yJY / | cD%_+@GaU Llama-3.1-Nemotron-51B性能
0I v(ioB= gR\z#Sg 相比较Meta的Llama-3.1-70B模型，Llama-3.1-Nemotron-51B在保持了几乎相同的精度情况下，推理速度提高了2.2倍。
H1t`fyri2 
h&| S* 效率和性能方面的突破
**G5fS.^W B,5kG{ 2! 开发LLM过程中面临的主要挑战之一是如何平衡精度与计算效率。许多大规模模型都能提供最先进的结果，但却需要耗费大量的硬件和能源资源，这限制了它们的适用性。
=,Zkg(M k4E2OyCFoJ 英伟达的新模型在这两个相互竞争的因素之间取得了微妙的平衡。
q+Ec|Xd
e 
mG*ER^Y@D Llama-3.1-Nemotron-51B实现了令人印象深刻的精度与效率权衡，减少了内存带宽，降低了每秒浮点运算次数(FLOP)，并减少了总体内存占用，同时不影响模型执行推理、总结和语言生成等复杂任务的能力。
s+-V^{Ht {V^|9j:\K 改进工作量管理，提高成本效益
94}y,\S ~ U [R[VY7 Llama-3.1-Nemotron-51B的一个突出特点是能够在单个GPU上管理更大的工作负载。该型号允许开发人员在更具成本效益的环境中部署高性能LLMs，在一个H100设备上运行以前需要多个GPU才能完成的任务。
sd5)We `x:O&2 Llama-3.1-Nemotron-51B模型还减少了内存占用，在推理过程中可以在单个GPU上运行4倍以上的工作负载，从而带来了一系列新的机遇。
jh J'fI J*Q+$Ai~ 架构优化：成功的关键
Q$*JkwPQ } u9*7Buou^ Llama-3.1-Nemotron-51B的成功主要归功于一种新颖的结构优化方法。传统上，LLMs是使用相同的块构建的，这些块在整个模型中重复出现。
=T- jG_.H W9G1wU 这虽然简化了构建过程，但也带来了效率低下的问题，特别是在内存和计算成本方面。
nZX`y
-AZ S8,e `F 英伟达通过采用NAS技术来优化推理模型，从而解决了这些问题。该团队采用了分块蒸馏过程，即训练更小、更高效的学生模型（student model），以模仿更大的教师模型（teacher model）的功能。
u_=^Bd 
rU
|% 通过完善这些学生模型并评估其性能，英伟达开发出了Llama-3.1版本，在大幅降低资源需求的同时，还能提供类似的准确度。
pt%*Y.)az )tv~ N7 Puzzle算法和知识蒸馏
vNQ|tmn ANRZQpnXQ Llama-3.1-Nemotron-51B有别于其他模型的另一个关键组件，就是Puzzle算法。
9 >" }||)) 
M#.dF{ %% 该算法对模型中的每个潜在区块进行评分，并确定哪些配置能在速度和精度之间取得最佳平衡。
Y M,UM> 
_)Ad%LPsd7 通过使用知识蒸馏技术，Nvidia缩小了参考模型（Llama-3.1-70B）与Nemotron-51B之间的精度差距，同时显著降低了训练成本。
j%)@f0Ng 
jfU$qo!gi jpkKdQX) 
JY R^k= v@,`(\Ca' 附上参考地址
F*J bTEOn J6mUU3F9f Advancing the Accuracy-Efficiency Frontier with Llama-3.1-Nemotron-51B
2Mu3] 2> xQ!
Va Nvidia AI Releases Llama-3.1-Nemotron-51B: A New LLM that Enables Running 4x Larger Workloads on a Single GPU During Inference
pN{XGkX.
微博帐号登录