今天，英伟达又开源了一个性能超级强大的模型 —— Llama-3.1-Nemotron-70B-Instruct，它击败了 OpenAI 的 GPT-4o 等闭源模型和 Anthropic 的 Claude-3.5 sonnet 等开源模型。

从命名来看，显然 Llama-3.1-Nemotron-70B-Instruct 是基于 Llama-3.1-70B 打造而成。

从下图中大模型榜单可以看到， Llama-3.1-Nemotron-70B-Instruct 的性能仅次于 OpenAI 最新 o1 大模型了。

图源：https://x.com/itsPaulAi/status/1846565333240607148

目前，Llama-3.1-Nemotron-70B-Instruct 已经可以在线体验了。Starwberry 中有几个 r 这样的题目难不倒它。

图源：https://x.com/mrsiipa/status/1846551610199273817

不过有时也一本正经地胡说八道，比如「2.11 和 2.9 哪个大」。

体验地址：https://huggingface.co/chat/

不过英伟达也强调了，他们主要是提高模型在通用领域的性能，尚未针对数学等专业领域的表现进行调优，或许等待一段时间，模型就可以正确回答 2.11 和 2.9 哪个大了。

此外，英伟达还开源了 Nemotron 的训练数据集 HelpSteer2，包括如下：

构建了 21362 个提示响应，使模型更符合人类偏好，也更有帮助、更符合事实、更连贯，并且可以根据复杂度和详细度进行定制；

构建了 20324 个用于训练的提示响应，1038 个用于验证。

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

除了 Llama-3.1-Nemotron-70B-Instruct 之外，英伟达还开源了另一个 Llama-3.1-Nemotron-70B-Reward 模型。

模型合集地址：https://huggingface.co/collections/nvidia/llama-31-nemotron-70b-670e93cd366feea16abc13d8

模型介绍

Llama-3.1-Nemotron-70B-Instruct 是英伟达定制的大型语言模型，旨在提高 LLM 生成的响应的有用性。

Llama-3.1-Nemotron-70B-Instruct 在 Arena Hard 基准上得分为 85.0，在 AlpacaEval 2 LC 基准上得分为 57.6，在 GPT-4-Turbo MT-Bench 基准上得分为 8.98。

截至 2024 年 10 月 1 日，Llama-3.1-Nemotron-70B-Instruct 在三个自动对齐基准中均排名第一，击败了 GPT-4o 和 Claude 3.5 Sonnet 等强大的前沿模型。

对于这一成绩，有网友表示，在 Arena Hard 基准上拿到 85.0 分，对于一个 70B 的模型来说，确实是件大事。

还有网友讨论说，用相同的提示测试 GPT-4o 和英伟达模型，所有的答案都是英伟达的模型好，并且是好很多的那种。

「加大题目难度，Llama-3.1-Nemotron-70B-Instruct 照样回答的很好。」

在训练细节上，该模型在 Llama-3.1-70B-Instruct 基础上使用了 RLHF 技术（主要是 REINFORCE 算法），并采用了 Llama-3.1-Nemotron-70B-Reward 和 HelpSteer2 偏好提示作为初始训练策略。

此外，Llama-3.1-Nemotron-70B-Reward 是英伟达开发的一个大型语言模型，用于预测 LLM 生成的响应的质量。该模型使用 Llama-3.1-70B-Instruct Base 进行训练，并结合了 Bradley Terry 和 SteerLM 回归奖励模型方法。

Llama-3.1-Nemotron-70B-Reward 在 RewardBench 榜单的 Overall 排名中表现最佳，并在 Chat（聊天）、Safety（安全）和 Reasoning（推理）排名中也有出色表现。

不过，想要部署该模型还需要一些先决条件，至少需要一台带有 4 个 40GB 或 2 个 80GB NVIDIA GPU 的机器，以及 150GB 的可用磁盘空间。想要尝试的小伙伴跟着官方给出的步骤进行部署即可。