排名超過Llama-3-70B，英偉達Nemotron-4 340B問鼎競技場最強開源模型！

前兩天，英偉達突然開源了其通用大模型Nemotron的3400億參數版本。

就在最近，競技場更新了排名情況：

勝率熱圖顯示，Nemotron-4 340B對陣Llama-3-70B的勝率為53%。

究竟Nemotron-4 340B表現如何？接下來一起看看。

新模型最新戰績

簡單回顧一下，英偉達上周五突然宣布開源Nemotron-4 340B，該系列包括基礎模型、指令模型和獎勵模型，用于生成訓練和改進LLM的合成數據。

Nemotron-4 340B一經發布便瞬時登頂Hugging Face RewardBench 榜一！

緊接著，競技場新近公布了Nemotron-4 340B的一系列測評結果。

在長文本查詢（長度>=500個token）中，Nemotron-4 340B排在第5位，超過Claude 3 Sonnet及Qwen 2-72B等主流開源模型。

在處理硬提示方面，Nemotron-4 340B超越了Claude 3 Sonnet和Llama3 70B-Instruct，顯示出其在應對復雜和高難度查詢時的卓越能力。

在整體性能評估中，Nemotron-4 340B的評分和穩定性均處于中上水平，超越了多款知名開源模型。

概括一下，Nemotron-4 340B已經取得了不錯的戰績，直接超越了Mixtral 8x22B、Claude sonnet、Llama3 70B、Qwen 2，有時甚至可以和GPT-4一較高下。

其實，以前這個模型就曾登上大模型競技場LMSys Chatbot Arena，當時它的別名是june-chatbot。

具體來說，這個模型支持4K上下文窗口、50多種自然語言和40多種編程語言，訓練數據截止到2023年6月。

訓練數據方面，英偉達采用了高達9萬億個token。其中，8萬億用于預訓練，1萬億用于繼續訓練以提高質量。

在BF16精度下，模型的推理需要8塊H200，或16塊H100/A100 80GB。如果是在FP8精度下，則只需8塊H100。

值得一提的是，指令模型的訓練是在98%的合成數據上完成的。

而合成數據無疑是Nemotron-4 340B的最大亮點，它有可能徹底改變訓練LLM的方式。

合成數據才是未來

面對最新排名，興奮的網友們突然咂摸出一絲不對勁：

用340B對戰70B，而且還是險勝，這事兒有點說不過去吧！

就連機器人Kimi也對此開啟了“嘲諷”模式：

英偉達這波操作，參數大得像宇宙，性能卻跟Llama-3-70B肩并肩，科技界的”大號小能”啊!

對此，在英偉達負責AI模型對齊和定制的Oleksii Kuchaiev拿出了關鍵法寶：

是的，Nemotron-4 340B商用友好，支持生成合成數據。

高級深度學習研究工程師Somshubra Majumdar對此表示大贊：

你可以用它（免費）生成你想要的所有數據

這一突破性進展，標志著AI行業的一個重要里程碑——

從此，各行各業都無需依賴大量昂貴的真實世界數據集了，用合成數據，就可以創建性能強大的特定領域LLM！

那么，英偉達具體是如何實現的呢？

一句話概括，這與它開源通常不發布的獎勵模型有關。

生成高質量合成數據不僅需要優秀的指導模型，還需根據特定需求進行數據篩選。

通常，使用同一模型作為評分者（LLM-as-Judge）；但在特定情況下，采用專門的獎勵模型（Reward-Model-as-Judge）進行評估更為合適。

而Nemotron-4 340B指令模型可以生成高質量的數據，然后獎勵模型可以過濾掉多個屬性的數據。

它會根據有用性、正確性、一致性、復雜性和冗長性這5個屬性，對響應評分。

另外，研究者可以使用自己的專用數據，再結合HelpSteer2數據集，定制Nemotron-4 340B基礎模型，以創建自己的指令或獎勵模型。

回到一開頭和Llama-3-70B的對戰，Nemotron-4 340B擁有更寬松的許可，或許這才是它的真正價值所在。

畢竟數據短缺早已成為業內普遍痛點。

據Epoch研究所的AI研究員Pablo Villalobos預測，到2024年年中，對高質量數據的需求超過供給的可能性為50%，到2026年發生這種情況的可能性為90%。

新的預期顯示，這種短缺風險將延遲至2028年。

合成數據才是未來正逐漸成為行業共識……

模型地址：https://huggingface.co/nvidia/Nemotron-4-340B-Instruct