Llama-Nemotron: Modelos de Raciocínio Eficientes

Llama-Nemotron: Efficient Reasoning Models

May 2, 2025

Autores: Akhiad Bercovich, Itay Levy, Izik Golan, Mohammad Dabbah, Ran El-Yaniv, Omri Puny, Ido Galil, Zach Moshe, Tomer Ronen, Najeeb Nabwani, Ido Shahaf, Oren Tropp, Ehud Karpas, Ran Zilberstein, Jiaqi Zeng, Soumye Singhal, Alexander Bukharin, Yian Zhang, Tugrul Konuk, Gerald Shen, Ameya Sunil Mahabaleshwarkar, Bilal Kartal, Yoshi Suhara, Olivier Delalleau, Zijia Chen, Zhilin Wang, David Mosallanezhad, Adi Renduchintala, Haifeng Qian, Dima Rekesh, Fei Jia, Somshubra Majumdar, Vahid Noroozi, Wasi Uddin Ahmad, Sean Narenthiran, Aleksander Ficek, Mehrzad Samadi, Jocelyn Huang, Siddhartha Jain, Igor Gitman, Ivan Moshkov, Wei Du, Shubham Toshniwal, George Armstrong, Branislav Kisacanin, Matvei Novikov, Daria Gitman, Evelina Bakhturina, Jane Polak Scowcroft, John Kamalu, Dan Su, Kezhi Kong, Markus Kliegl, Rabeeh Karimi, Ying Lin, Sanjeev Satheesh, Jupinder Parmar, Pritam Gundecha, Brandon Norick, Joseph Jennings, Shrimai Prabhumoye, Syeda Nahida Akter, Mostofa Patwary, Abhinav Khattar, Deepak Narayanan, Roger Waleffe, Jimmy Zhang, Bor-Yiing Su, Guyue Huang, Terry Kong, Parth Chadha, Sahil Jain, Christine Harvey, Elad Segal, Jining Huang, Sergey Kashirsky, Robert McQueen, Izzy Putterman, George Lam, Arun Venkatesan, Sherry Wu, Vinh Nguyen, Manoj Kilaru, Andrew Wang, Anna Warno, Abhilash Somasamudramath, Sandip Bhaskar, Maka Dong, Nave Assaf, Shahar Mor, Omer Ullman Argov, Scot Junkin, Oleksandr Romanenko, Pedro Larroy, Monika Katariya, Marco Rovinelli, Viji Balas, Nicholas Edelman, Anahita Bhiwandiwalla, Muthu Subramaniam, Smita Ithape, Karthik Ramamoorthy, Yuting Wu, Suguna Varshini Velury, Omri Almog, Joyjit Daw, Denys Fridman, Erick Galinkin, Michael Evans, Katherine Luna, Leon Derczynski, Nikki Pope, Eileen Long, Seth Schneider, Guillermo Siman, Tomasz Grzegorzek, Pablo Ribalta, Monika Katariya, Joey Conway, Trisha Saar, Ann Guan, Krzysztof Pawelec, Shyamala Prayaga, Oleksii Kuchaiev, Boris Ginsburg, Oluwatobi Olabiyi, Kari Briski, Jonathan Cohen, Bryan Catanzaro, Jonah Alben, Yonatan Geifman, Eric Chung

cs.AI

Resumo

Apresentamos a série de modelos Llama-Nemotron, uma família aberta de modelos de raciocínio heterogêneos que oferecem capacidades excepcionais de raciocínio, eficiência de inferência e uma licença aberta para uso empresarial. A família está disponível em três tamanhos — Nano (8B), Super (49B) e Ultra (253B) — e apresenta desempenho competitivo com modelos de raciocínio state-of-the-art, como o DeepSeek-R1, ao mesmo tempo que oferece uma taxa de transferência de inferência e eficiência de memória superiores. Neste relatório, discutimos o procedimento de treinamento desses modelos, que envolve o uso de busca de arquitetura neural a partir dos modelos Llama 3 para inferência acelerada, destilação de conhecimento e pré-treinamento contínuo, seguido por uma etapa de pós-treinamento focada em raciocínio, composta por duas partes principais: ajuste fino supervisionado e aprendizado por reforço em larga escala. Os modelos Llama-Nemotron são os primeiros modelos de código aberto a suportar um alternador dinâmico de raciocínio, permitindo que os usuários alternem entre modos de chat padrão e de raciocínio durante a inferência. Para apoiar ainda mais a pesquisa aberta e facilitar o desenvolvimento de modelos, disponibilizamos os seguintes recursos: 1. Lançamos os modelos de raciocínio Llama-Nemotron — LN-Nano, LN-Super e LN-Ultra — sob a licença comercialmente permissiva NVIDIA Open Model License Agreement. 2. Lançamos o conjunto de dados completo de pós-treinamento: Llama-Nemotron-Post-Training-Dataset. 3. Também disponibilizamos nossos códigos de treinamento: NeMo, NeMo-Aligner e Megatron-LM.

English

We introduce the Llama-Nemotron series of models, an open family of heterogeneous reasoning models that deliver exceptional reasoning capabilities, inference efficiency, and an open license for enterprise use. The family comes in three sizes -- Nano (8B), Super (49B), and Ultra (253B) -- and performs competitively with state-of-the-art reasoning models such as DeepSeek-R1 while offering superior inference throughput and memory efficiency. In this report, we discuss the training procedure for these models, which entails using neural architecture search from Llama 3 models for accelerated inference, knowledge distillation, and continued pretraining, followed by a reasoning-focused post-training stage consisting of two main parts: supervised fine-tuning and large scale reinforcement learning. Llama-Nemotron models are the first open-source models to support a dynamic reasoning toggle, allowing users to switch between standard chat and reasoning modes during inference. To further support open research and facilitate model development, we provide the following resources: 1. We release the Llama-Nemotron reasoning models -- LN-Nano, LN-Super, and LN-Ultra -- under the commercially permissive NVIDIA Open Model License Agreement. 2. We release the complete post-training dataset: Llama-Nemotron-Post-Training-Dataset. 3. We also release our training codebases: NeMo, NeMo-Aligner, and Megatron-LM.