英伟达开源最强通用模型Nemotron-4 340B

性能超越 Llama-3，主要用于合成数据。

英伟达的通用大模型 Nemotron，开源了最新的 3400 亿参数版本。

本周五，英伟达宣布推出 Nemotron-4 340B。它包含一系列开放模型，开发人员可以使用这些模型生成合成数据，用于训练大语言模型（LLM），可用于医疗健康、金融、制造、零售等所有行业的商业应用。

高质量的训练数据在自定义 LLM 的响应性能、准确性和质量中起着至关重要的作用 —— 但强大的数据集经常是昂贵且难以访问的。通过独特的开放模型许可，Nemotron-4 340B 为开发人员提供了一种免费、可扩展的方式来生成合成数据，从而帮助人们构建强大的 LLM。

Nemotron-4 340B 系列包括基础、Instruct 和 Reward 模型，它们形成了一个 pipeline，用于生成训练和改进 LLM 的合成数据。这些模型经过优化，可与 NVIDIA NeMo 配合使用，后者是一个用于端到端模型训练的开源框架，包括数据管理、定制和评估。它们还针对开源 NVIDIA TensorRT-LLM 库的推理进行了优化。

英伟达表示，Nemotron-4 340B 现已可从 Hugging Face 下载。开发人员很快就能在 ai.nvidia.com 上访问这些模型，它们将被打包为 NVIDIA NIM 微服务，并带有可在任何地方部署的标准应用程序编程接口。

Hugging Face 下载：https://huggingface.co/collections/nvidia/nemotron-4-340b-666b7ebaf1b3867caf2f1911

导航 Nemotron 以生成合成数据

大语言模型可以帮助开发人员在无法访问大型、多样化标记数据集的情况下生成合成训练数据。

Nemotron-4 340B Instruct 模型创建了多样化的合成数据，模仿了现实世界数据的特征，有助于提高数据质量，从而提高自定义 LLM 在各个领域的性能和鲁棒性。

为了提高 AI 生成的数据的质量，开发人员可以使用 Nemotron-4 340B Reward 模型来筛选高质量的响应。Nemotron-4 340B Reward 根据五个属性对响应进行评分：可用性、正确性、连贯性、复杂性和冗长性。它目前在 AI2 创建的 Hugging Face RewardBench 排行榜上名列第一，用于评估奖励模型的能力、安全性和缺陷。

在这个合成数据 pipeline 中，（1）Nemotron-4 340B Instruct 模型用于生成基于文本的合成输出。然后，评估模型（2） Nemotron-4 340B Reward 评估生成的文本并提供反馈，从而指导迭代改进并确保合成数据的准确。

研究人员还可以使用自己的专有数据，结合已包含的 HelpSteer2 数据集，来定制 Nemotron-4 340B 基础模型，从而创建自有的 Instruct 模型或奖励模型。

论文地址：https://d1qx31qr3h6wln.cloudfront.net/publications/Nemotron_4_340B_8T_0.pdf

方法介绍

Nemotron-4-340B-Base 模型架构是一种标准的仅解码器 Transformer 架构，具有因果注意力掩码、旋转位置嵌入 (RoPE)、SentencePiece tokenizer 等。Nemotron-4-340B-Base 的超参数如表 1 所示。它有 94 亿个嵌入参数和 3316 亿个非嵌入参数。

下表为 Nemotron-4-340B-Base 模型的一些训练细节，表中总结了批大小渐变的 3 个阶段，包括每次迭代时间和模型 FLOP/s 利用率。

为了开发强大的奖励模型，英伟达收集了一个包含 10k 人类偏好数据的数据集，称为 HelpSteer2，并公开发布了这个数据集 。

数据集地址：https://huggingface.co/datasets/nvidia/HelpSteer2

回归奖励模型 Nemotron-4-340B-Reward 建立在 Nemotron-4-340B-Base 模型之上，并用新的奖励头替换最后的 softmax 层。这个头是一个线性投影，它将最后一层的隐藏状态映射到 HelpSteer 属性（有用性、正确性、连贯性、复杂性、冗长性）的五维向量中。在推理过程中，这些属性值可以通过加权和聚合为总体奖励。这种奖励模式为训练 Nemotron-4-340B-Instruct 提供了坚实的基础。

该研究发现这样的模型在 RewardBench 上表现非常出色：

用 NeMo 微调，用 TensorRT-LLM 优化推理

使用开源的 NVIDIA NeMo 和 NVIDIA TensorRT-LLM，开发者可以优化他们的指导模型和奖励模型的效率，从而生成合成数据并对响应进行评分。

所有 Nemotron-4 340B 模型都使用 TensorRT-LLM 进行了优化，以利用张量并行性，这是一种模型并行性，其中单个权重矩阵在多个 GPU 和服务器上分割，从而实现大规模的高效推理。

Nemotron-4 340B Base 经过 9 万亿个 token 的训练，可以使用 NeMo 框架进行定制，以适应特定的用例或领域。这种微调过程受益于大量的预训练数据，并为特定的下游任务提供更准确的输出。

在这当中，NeMo 框架提供了多种定制方法，包括监督微调和参数高效微调方法，如低秩自适应 (LoRA)。

为了提升模型质量，开发者可以使用 NeMo Aligner 和由 Nemotron-4 340B Reward 注释的数据集对其模型进行对齐。对齐是训练大型语言模型的一个关键步骤，其中模型行为通过使用类似 RLHF 算法进行微调，以确保其输出安全、准确、符合上下文且与其既定目标一致。 

 寻求企业级支持和生产环境安全的企业也可以通过云原生的 NVIDIA AI Enterprise 软件平台访问 NeMo 和 TensorRT-LLM。该平台为生成式 AI 基础模型提供了加速和高效的运行时环境。 

评测数据

图 1 突出显示了 Nemotron-4 340B 模型家族在选定任务中的准确性。具体来说：

Nemotron-4-340B-Base 在 ARC-Challenge、MMLU 和 BigBench Hard 基准等常识推理任务上与 Llama-3 70B、Mixtral 8x22B 和 Qwen-2 72B 等开放访问基础模型相媲美。

在指令遵循和聊天功能方面，Nemotron-4-340B-Instruct 超越了相应的指令模型。Nemotron-4-340B Reward 在 RewardBench 上实现了最高准确率，甚至超越了 GPT-4o-0513 和 Gemini 1.5 Pro-0514 等专有模型。

在 Nemotron-4-340B 推出后，评测平台立即放出了它的基准成绩，可见在 Arena-Hard-Auto 等硬基准测试中它的成绩超越了 Llama-3-70b

这是否意味着，新的业界最强大模型已经出现？