Meta · 2023-07 · Densa
Llama 2 70B
Llama 2 70B è un Transformer a attention grouped-query (GQA) pubblicato da Meta nel 2023-07, con 80 strati, dimensione nascosta 8192 e una finestra di contesto di 4,096 token.
Pila di strati
Attention ×80 · Strati 80
Dati chiave
| Laboratorio | Meta |
|---|---|
| Pubblicazione | 2023-07 |
| Parametri | 68.98 mld |
| Contesto | 4,096 tokens |
| Attention | GQA (64:8) |
| Strati | 80 |
| Dim. nascosta | 8,192 |
| Teste di attention | 64 |
| Vocabolario | 32,000 |
| Codifica posizionale | learned/absolute |
| Normalizzazione | RMSNorm |
| Attivazione | silu |
| Precisione | — |
| Classe architetturale | LlamaForCausalLM |
Panoramica dell'architettura
Attention
attention grouped-query (GQA) — 64 q-heads / 8 kv-heads.
FFN / MoE
È un modello denso: tutti i 68.98 milioni di parametri partecipano al calcolo di ogni token.
Confronto campo per campo
Confronto con il modello precedente dello stesso laboratorio; in assenza, col modello strutturalmente più vicino. La colonna rapporto = questo modello ÷ modello di confronto.
Confronto completo con il predecessore LLaMA 1 7B
| Modello | Llama 2 70B | LLaMA 1 7B | Rapporto |
|---|---|---|---|
| model_type | llama | llama | ＝ |
| architectures | LlamaForCausalLM | LlamaForCausalLM | ＝ |
| hidden_size | 8192 | 4096 | ×2.00 |
| num_hidden_layers | 80 | 32 | ×2.50 |
| num_attention_heads | 64 | 32 | ×2.00 |
| num_key_value_heads | 8 | — | |
| intermediate_size | 28672 | 11008 | ×2.60 |
| hidden_act | silu | silu | ＝ |
| max_position_embeddings | 4096 | 2048 | ×2.00 |
| rms_norm_eps | 0.00001 | 0.000001 | ×10.00 |
| vocab_size | 32000 | 32000 | ≈1 |
| torch_dtype | float16 | float16 | ＝ |
| bos_token_id | 1 | 1 | ≈1 |
| eos_token_id | 2 | 2 | ≈1 |
| initializer_range | 0.02 | 0.02 | ≈1 |
| pad_token_id | 0 | 0 | ＝ |
| tie_word_embeddings | false | false | ＝ |
| transformers_version | 4.31.0.dev0 | 4.28.0.dev0 | ≠ |
| use_cache | true | true | ＝ |
Architetture più simili
- Qwen3.5 27B (Qwen, 2026-02) 0.982
- Qwen3.5 9B (Qwen, 2026-02) 0.956
- Qwen3.5 9B Base (Qwen, 2026-02) 0.956
- Qwen2 72B (Qwen, 2024-06) 0.902
- Qwen2.5 72B (Qwen, 2024-09) 0.902
- Llama 3.1 70B (Meta, 2024-07) 0.901
I valori di similarità vanno da 0 (nessuna caratteristica categoriale condivisa) a 1 (profili identici).
Campi grezzi del config.json
19 campi
| architectures | LlamaForCausalLM |
|---|---|
| bos_token_id | 1 |
| eos_token_id | 2 |
| hidden_act | silu |
| hidden_size | 8192 |
| initializer_range | 0.02 |
| intermediate_size | 28672 |
| max_position_embeddings | 4096 |
| model_type | llama |
| num_attention_heads | 64 |
| num_hidden_layers | 80 |
| num_key_value_heads | 8 |
| pad_token_id | 0 |
| rms_norm_eps | 0.00001 |
| tie_word_embeddings | false |
| torch_dtype | float16 |
| transformers_version | 4.31.0.dev0 |
| use_cache | true |
| vocab_size | 32000 |