LLaMA 2 是 Meta 开发的大型语言模型，是 LLaMA 1 的后继者。LLaMA 2 可通过 AWS、Hugging Face 等提供商免费用于研究和商业用途。LLaMA 2 预训练模型接受了 2 万亿个标记的训练，上下文长度是 LLaMA 1 的两倍。其微调模型已经接受了超过 100 万个人工注释的训练。

本文包含 LLama 2 所有相关资源，可帮助您快速入门。它包括以下链接：

• LLaMA 2 是什么？

• Lllama 2在线体验

• Llama2 背后的研究

• Llama 2 基准测试有多好

• 如何正确使用Prompt与Llama 2聊天

• 如何使用 PEFT 训练Llama 2

• 如何部署 LLama 2 进行推理

• LLama 2 在线API接口

一、LLaMa 2 是什么？

Meta 发布了 LLaMA 2，这是一种最先进的新型开放大语言模型 (LLM)。LLaMA 2 代表 LLaMA 的下一代版本，并附带商业许可。LLaMA 2 有 3 种不同的尺寸 - 7B、13B 和 70B 参数。与原始 LLaMA 相比，新的改进包括：

• 使用 2 万亿个文本数据进行训练

• 允许商业用途

• 使用 4096 个默认上下文窗口（可以扩展）

•   使用 RoPE 缩放4 位量化超越 4k token限制

• 

• 70B模型采用分组查询注意力（GQA）

• 适用于Hugging Face Hub

• https://huggingface.co/models?other=llama-2

二、LLaMA 2 在线体验

有几个不同的游乐场可用于测试与 LLaMA 2 Chat 的交互：

• HuggingChat允许您通过 Hugging Face 的对话界面与 LLaMA 2 70B 模型聊天。这提供了一种查看聊天机器人运行情况的简单方法。

• https://huggingface.co/chat/

• Hugging Face Spaces有7B、13B和70B尺寸的 LLaMA 2 模型可供测试。交互式演示可让您比较不同的模型尺寸。

• https://huggingface.co/spaces/huggingface-projects/llama-2-7b-chat

• https://huggingface.co/spaces/huggingface-projects/llama-2-13b-chat

• https://huggingface.co/spaces/ysharma/Explorellamav2with_TGI

• Perplexity拥有 7B 和 13B LLaMA 2 模型，可通过其对话式 AI 演示进行访问。您可以与模特聊天并针对回复提供反馈。

• https://labs.perplexity.ai/

• 由 a16z Infra 和 Replication 提供的 7B-chat, 13B-chat and 70B-chat，与 Meta Platforms无关。

• https://llama2.ai

三、LLama 2 模型选择

如果你正在寻找特定的开源LLM，你会发现有很多变体。GPTQ 版本、GGML 版本、HF/基本版本。我们应该选择使用哪个版本？按一般规则：如果你有很多 VRAM，请使用 GPTQ，如果你的 VRAM 最小，请使用 GGML，如果你想要原始模型，则使用基本的 HuggingFace 模型，而量化造成的智能损失可以忽略不计。

通常，量化模型速度更快，需要的 VRAM 更少，但它们的智能度可能略低。(1)4 位、5 位或 6 位似乎是许多用例的最佳点。

SuperHOT允许8K上下文大小而不是2K。

• 7B GGML 版本：

• 聊天调整模型：TheBloke/Llama-2-7B-Chat-GGML · Hugging Face

• 基本型号：TheBloke/Llama-2-7B-GGML · Hugging Face

• 13B GGML 版本：

• 聊天调整模型：TheBloke/Llama-2-13B-chat-GGML · Hugging Face

• 基本型号：TheBloke/Llama-2-13B-GGML · Hugging Face

• 70B GPTQ 版本：

• 聊天调谐版：TheBloke/Llama-2-70B-chat-GPTQ · Hugging Face

• 基本型号：TheBloke/Llama-2-70B-GPTQ · Hugging Face

三、LLaMA 2 背后的研究

LLaMA 2 是一个基本的 LLM 模型，并根据在线公开数据进行了预训练。此外，Meta 还发布了 CHAT 版本。CHAT模型的第一个版本是SFT（监督微调）模型。之后，LLaMA-2-chat 通过人类反馈强化学习（RLHF）进行迭代改进。RLHF 流程涉及拒绝采样和近端策略优化 (PPO) 等技术，以进一步完善聊天机器人。Meta仅发布了该模型的最新RLHF（v5）版本。如果您好奇结账过程是如何进行的：

• Llama 2：开放基础和微调的聊天模型

• https://arxiv.org/abs/2307.09288

• Llama 2：令人难以置信的开放式法学硕士

• https://www.interconnects.ai/p/llama-2-from-meta

四、LLaMA 2 基准测试有多好？

Meta 声称“Llama 2 在许多外部基准测试上都优于其他开源语言模型，包括推理、编码、熟练程度和知识测试”。您可以在以下位置找到有关性能的更多见解：

• 拥抱开放 LLM 排行榜

• https://huggingface.co/spaces/HuggingFaceH4/openllmleaderboard

• Meta AI公告

• https://ai.meta.com/llama/

五、如何正确使用Prompt与 LLaMA 2 聊天

LLaMA 2 Chat 是一种开放的对话模型。与 LLaMA 2 Chat 有效互动需要提供正确的提示和问题，以产生连贯且有用的响应。Meta没有选择最简单的提示。以下是单轮和多轮对话的提示模板。该模板遵循模型的训练过程，如LLaMA 2 论文中所述。您还可以查看LLaMA 2 提示模板。

单轮提示模板

<s>[INST] <<SYS>>
{
   { system_prompt }}
<</SYS>>

{
   { user_message }} [/INST]

多轮提示模板

<s>[INST] <<SYS>>
{
   { system_prompt }}
<</SYS>>

{
   { user_msg_1 }} [/INST] {
   { model_answer_1 }} </s><s>[INST] {
   { user_msg_2 }} [/INST] {
   { model_answer_2 }} </s><s>[INST] {
   { user_msg_3 }} [/INST]

六、如何训练 LLaMA 2

LLaMA 2 是公开可用的，因此可以轻松使用 PEFT 等技术进行微调。有大量资源可用于训练您自己的 LLaMA 2 版本：

• 使用 PEFT 进行微调

• https://huggingface.co/blog/llama2#fine-tuning-with-peft

• Llama 模型的元示例和配方

• https://github.com/facebookresearch/llama-recipes/tree/main

七、如何部署 LLaMA 2

LLaMA 2 可以使用Hugging Face Inference Endpoints等托管服务或通过 AWS、Google Cloud 和 Microsoft Azure 等云平台部署在本地环境 ( llama.cpp ) 中。

• 使用文本生成推理和推理端点部署 LLaMa 2

• https://huggingface.co/blog/llama2#using-text-generation-inference-and-inference-endpoints

• Llama-2-13B-在 M1/M2 Mac 上使用 GPU 推理进行本地聊天

• https://gist.github.com/adrienbrault/b76631c56c736def9bc1bc2167b5d129

• 在本地运行 Llama 2 的综合指南

• https://replicate.com/blog/run-llama-locally

• https://mlc.ai/mlc-llm/docs/getstarted/tryout.html

• 在 Runpod 上运行 Llama 2（70B GPTQ version required 35-40 GB VRAM）

• https://gpus.llm-utils.org/running-llama-2-on-runpod-with-oobaboogas-text-generation-webui/

八、Llama 2 在线API接口

replicate 提供了基于Llama 2 Chat在线微调的API接口

• 使用 Replicate API 运行 Llama 2

https://replicate.com/blog/run-llama-2-with-an-api

• Llama-2-70B 聊天模型

• replicate/llama-2-70b-chat – Run with an API on Replicate

• Llama-2-13B 聊天模型

• a16z-infra/llama-2-13b-chat – Run with an API on Replicate

九、References

• LLama 2 官方公告

• https://ai.meta.com/llama/

• LLaMA 2 论文

• https://huggingface.co/papers/2307.09288

• LLaMA 2 提示模板

• https://gpus.llm-utils.org/llama-2-prompt-template/

• Hugging Face Inference Endpoints

• https://ui.endpoints.huggingface.co/

• llama.cpp

• https://github.com/ggerganov/llama.cpp