Llama 2: Fundamento Abierto y Modelos de Chat Ajustados Finamente
Llama 2: Open Foundation and Fine-Tuned Chat Models
July 18, 2023
Autores: Hugo Touvron, Louis Martin, Kevin Stone, Peter Albert, Amjad Almahairi, Yasmine Babaei, Nikolay Bashlykov, Soumya Batra, Prajjwal Bhargava, Shruti Bhosale, Dan Bikel, Lukas Blecher, Cristian Canton Ferrer, Moya Chen, Guillem Cucurull, David Esiobu, Jude Fernandes, Jeremy Fu, Wenyin Fu, Brian Fuller, Cynthia Gao, Vedanuj Goswami, Naman Goyal, Anthony Hartshorn, Saghar Hosseini, Rui Hou, Hakan Inan, Marcin Kardas, Viktor Kerkez, Madian Khabsa, Isabel Kloumann, Artem Korenev, Punit Singh Koura, Marie-Anne Lachaux, Thibaut Lavril, Jenya Lee, Diana Liskovich, Yinghai Lu, Yuning Mao, Xavier Martinet, Todor Mihaylov, Pushkar Mishra, Igor Molybog, Yixin Nie, Andrew Poulton, Jeremy Reizenstein, Rashi Rungta, Kalyan Saladi, Alan Schelten, Ruan Silva, Eric Michael Smith, Ranjan Subramanian, Xiaoqing Ellen Tan, Binh Tang, Ross Taylor, Adina Williams, Jian Xiang Kuan, Puxin Xu, Zheng Yan, Iliyan Zarov, Yuchen Zhang, Angela Fan, Melanie Kambadur, Sharan Narang, Aurelien Rodriguez, Robert Stojnic, Sergey Edunov, Thomas Scialom
cs.AI
Resumen
En este trabajo, desarrollamos y publicamos Llama 2, una colección de modelos de lenguaje grandes (LLMs, por sus siglas en inglés) preentrenados y ajustados, que abarcan desde 7 mil millones hasta 70 mil millones de parámetros. Nuestros LLMs ajustados, denominados Llama 2-Chat, están optimizados para casos de uso en diálogos. Nuestros modelos superan a los modelos de chat de código abierto en la mayoría de los puntos de referencia que evaluamos, y según nuestras evaluaciones humanas de utilidad y seguridad, podrían ser un sustituto adecuado para los modelos de código cerrado. Ofrecemos una descripción detallada de nuestro enfoque para el ajuste fino y las mejoras de seguridad de Llama 2-Chat, con el fin de permitir que la comunidad construya sobre nuestro trabajo y contribuya al desarrollo responsable de los LLMs.
English
In this work, we develop and release Llama 2, a collection of pretrained and
fine-tuned large language models (LLMs) ranging in scale from 7 billion to 70
billion parameters. Our fine-tuned LLMs, called Llama 2-Chat, are optimized for
dialogue use cases. Our models outperform open-source chat models on most
benchmarks we tested, and based on our human evaluations for helpfulness and
safety, may be a suitable substitute for closed-source models. We provide a
detailed description of our approach to fine-tuning and safety improvements of
Llama 2-Chat in order to enable the community to build on our work and
contribute to the responsible development of LLMs.