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。
*A~
G_0B M gC:b-&5_ Llama-3.1-Nemotron-51B简介
E( h<$w8s 4:7V./" 9 Llama-3.1-Nemotron-51B AI模型将于Meta公司2024年7月发布的Llama-3.1-70B模型，共有510亿参数。
fS:1^A2, gt\MS;jMa 该AI模型主要采用了神经架构搜索（NAS）技术微调，平衡性能和效率，在高工作负荷下，只需要一片H100 GPU即可运行，大大降低了内存消耗、计算复杂性以及与运行此类大型模型相关的成本。
@ w>zF/ r|*&GHo L 英伟达认为这种方式在保持了出色的精度前提下，显著降低了内存占用、内存带宽和FLOPs，并证明可以在创建另一个更小、更快的变体来加以推广。
2..,Sk BI:k #jO! Llama-3.1-Nemotron-51B性能
b7/AnSR~Jt 'u 4ezwF; 相比较Meta的Llama-3.1-70B模型，Llama-3.1-Nemotron-51B在保持了几乎相同的精度情况下，推理速度提高了2.2倍。
\*\ R1_+ 
x"4} isp< 效率和性能方面的突破
E(Rh#+] Y5 CU:o*;jP 开发LLM过程中面临的主要挑战之一是如何平衡精度与计算效率。许多大规模模型都能提供最先进的结果，但却需要耗费大量的硬件和能源资源，这限制了它们的适用性。
|xoF49 ]l~V&#i_c 英伟达的新模型在这两个相互竞争的因素之间取得了微妙的平衡。
f&4,?E;6% 
%g]vxm5? Llama-3.1-Nemotron-51B实现了令人印象深刻的精度与效率权衡，减少了内存带宽，降低了每秒浮点运算次数(FLOP)，并减少了总体内存占用，同时不影响模型执行推理、总结和语言生成等复杂任务的能力。
I NSkgOo Q>q FM9Z 改进工作量管理，提高成本效益
! }M, -V % gVI[ Llama-3.1-Nemotron-51B的一个突出特点是能够在单个GPU上管理更大的工作负载。该型号允许开发人员在更具成本效益的环境中部署高性能LLMs，在一个H100设备上运行以前需要多个GPU才能完成的任务。
gLE7Edcp6V E3/:.t Llama-3.1-Nemotron-51B模型还减少了内存占用，在推理过程中可以在单个GPU上运行4倍以上的工作负载，从而带来了一系列新的机遇。
f]8I64 p 3^jGj@ 架构优化：成功的关键
mT*{-n_Zs % 0:p)Z0 Llama-3.1-Nemotron-51B的成功主要归功于一种新颖的结构优化方法。传统上，LLMs是使用相同的块构建的，这些块在整个模型中重复出现。
Zs zs1{t ~:sE:9$z 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。
gd@p|PsS^ g+zJ ? 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。
_q>SE1j+W= 
T9y;OG 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。
J_#R 87 j,%EW+j$ Puzzle算法和知识蒸馏
GSVdb/+ KAA3iA@>+ 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。
GaNq2 G 
sroGER . 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。
f$xhb 3Qn 
,I*X) ( 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。
L-'k7?%( 
whkJ pK(
0g(6r-2)7 
/(6zsq'v| L~0&
Q 附上参考地址
ILG?r9 x )bW<8f2 Advancing the Accuracy-Efficiency Frontier with Llama-3.1-Nemotron-51B
U )Zt-og .ewZV9P)t Nvidia AI Releases Llama-3.1-Nemotron-51B: A New LLM that Enables Running 4x Larger Workloads on a Single GPU During Inference
g,? \~8-c
微博帐号登录