标题: Llama 2: Open Foundation and Fine-Tuned Chat Models
作者: 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
摘要:
在这项工作中，我们开发并发布了 Llama 2，这是一系列预训练和微调的大型语言模型（LLMs），规模从 70 亿到 700 亿参数不等。我们微调后的 LLMs，称为 Llama 2-Chat，针对对话用例进行了优化。在我们测试的大多数基准上，我们的模型性能优于开源对话模型，并且基于我们对有用性和安全性的人工评估，可能成为闭源模型的合适替代品。我们详细描述了我们对 Llama 2-Chat 进行微调和安全性改进的方法，以使社区能够基于我们的工作继续发展，并为 LLMs 的负责任开发做出贡献。
主题/分类:
- 计算与语言 (cs.CL)
- 人工智能 (cs.AI)
提交/修订日期:
- 提交于 2023年7月18日
- 最后修订于 2023年7月19日
arXiv标识符: arXiv:2307.09288