NLP / 大语言模型 · 2023 · LLaMA
LLaMA: Open and Efficient Foundation Language Models
Hugo Touvron et al.
研究数据与训练预算配置下的高效基础语言模型。
基础模型预训练高效推理
复现空间 · 建议计划
研究 · 方案研读 · 编辑建议，尚未实测
最小实验目标
分析架构、分词和训练配方；对取得许可的权重建立评测清单。
数据集 / 环境
论文预训练语料组合与公开下游基准。
评估项
- 困惑度
- 任务准确率
- 吞吐量
边界与常见偏差
LLaMA、Llama 2 和后续模型并非同一实验对象；先确认具体权重版本、获取条件与许可。
实验验收协议
- 阅读原文，选定要对齐的具体表格、模型变体与数据划分；把缩小规模或替换组件单独列出。
- 核对作者资源的许可与依赖，锁定代码 commit、权重版本、硬件、随机种子和完整运行命令。
- 先完成数据与推理检查，再执行约定的实验；记录多次运行结果、资源消耗和失败案例。
- 提交可核验的代码、配置、日志与报告。原论文数值须注明表格和协议，当前指标必须附实际运行证据。
实验记录
- 原论文对齐目标
- 待认领后选定具体表格与评估条件
- 社区复现指标
- 暂无已验证结果
暂无实验日志与复现报告。收录此论文不表示社区已完成训练或评估；后续记录通过仓库 Issue 和 Pull Request 补充。