如上圖所示，Llama3 70B的表現(xiàn)甚至超越了谷歌的Gemini Pro1.5以及Anthropic的Claude 3 Sonnet。
Llama3顯著降低了錯誤拒絕率，提高了模型的對齊性，增加了模型響應(yīng)的多樣性。此外，它在邏輯推理、代碼生成和指令跟隨等方面的能力也大幅提升，整體的可控性也更強。
除了常規(guī)的跑分以外，這次Meta還開發(fā)了一個更接近真實體驗的測試。
Meta的測試中整理了1800個提示詞，把這些提示詞給到Meta3，Claude Sonnet，Mistral Medium和GPT-3.5這些模型，然后由人來評估這些回答的結(jié)果。
結(jié)果顯示，Llama3 70B指令優(yōu)化版比Claude Sonnet、Mistral Medium、OpenIA GPT-3.5以及Llama2都要更強一些。
看得出來，Llama3還是很強的，那么，要如何才能體驗到這款更強的新模型呢？
在Llama3發(fā)布后不久，亞馬遜云科技就發(fā)布了新聞稿，與此前幾次上架到Amazon Bedrock的不一樣，這次是上架到了Amazon SageMaker JumpStart上。
Amazon SageMaker JumpStart是亞馬遜云科技專門構(gòu)建的一個機器學(xué)習(xí)服務(wù)，提供預(yù)訓(xùn)練的模型、內(nèi)置算法和預(yù)構(gòu)建的解決方案，幫助用戶快速了解評估模型，快速開發(fā)AI項目。
通過Amazon SageMaker JumpStart部署Llama 3，過程會相當(dāng)絲滑。用戶在JumpStart后臺能看到包括HuggingFace、Meta、Stability.ai等開發(fā)商的模型。
Meta標(biāo)簽下提供了多個Llama模型的版本，點擊查看Llama3 70B指令優(yōu)化版，這里有模型的介紹頁面，右上角還有顯眼的“Deploy”部署按鈕。
點擊“Deploy”按鈕之后，這里可以選擇云主機的規(guī)格，進行一些主要的設(shè)置。最后，就可以點擊部署來將其部署到對應(yīng)的實例上了。
模型部署操作非常簡單直白，部署后，用戶就可以用自己習(xí)慣的方式來進行開發(fā)了。
開發(fā)過程中，可以使用SageMaker Pipelines、SageMaker Debugger或容器日志等功能，來提升模型性能和并實施MLOps控制。
由于以上這些操作都是在亞馬遜云科技的平臺上完成的，無論是模型本身，還是涉及的相關(guān)數(shù)據(jù)，都出于亞馬遜云科技提供的安全措施的保護之下。
如果想親自上手試試如何部署、開發(fā)，可以查閱一下亞馬遜云科技的技術(shù)博客：
Meta在博客中表示，未來還將開源更大的400B的版本，目前400B的還在訓(xùn)練中，如果未來某一天Llama3 400B突然發(fā)布了，也可以考慮來Amazon SageMaker JumpStart在第一時間上手。
眼下，各種新的更強的大模型還在不斷出現(xiàn)，今天的最強可能明天就會被超越，面對大模型技術(shù)躍躍欲試的同時，又總會感到迷茫和焦慮。
對此，亞馬遜云科技CEO Adam Selipsky說：“事情發(fā)展得如此之快，在這種環(huán)境中，適應(yīng)能力是您可以擁有的最有價值的能力。不會有一個統(tǒng)治一切的模型，也肯定不會有一家公司能提供所有人使用的模型?！?/p>
既然新技術(shù)不斷出現(xiàn)，就應(yīng)該試著去了解更新的技術(shù)。
過程中可以考慮利用亞馬遜云科技提供的便利的平臺和工具，亞馬遜云科技一直在做的事情就是讓各種技術(shù)的使用變得更簡單，在大模型面前，Amazon SageMaker JumpStart和Amazon Bedrock都是很好的開始。
