01、概述

在生成式AI的浪潮中，我們見證了人與技術交互方式的顛覆性變革。然而，強大的自然語言處理能力與內容生成技術背后，也隱藏著不容忽視的安全隱患。如何確保生成內容符合倫理、避免不當信息傳播，成為技術發展的關鍵挑戰。而Meta推出的Llama Guard 3-1B-INT4模型，正是在這一背景下應運而生。

生成式AI的安全挑戰

生成式AI能夠快速生成海量內容，但其輸出可能包含不安全或違反政策的內容。為此，安全審查工具的研發顯得尤為重要。然而，傳統的安全審查模型多為大型語言模型（LLM），其高昂的計算和內存需求，使得在硬件受限的移動設備上部署成為難題。

問題核心：

• 模型體積與性能矛盾：大型模型雖然強大，但其計算資源需求高，難以在移動設備等邊緣設備上高效運行。
• 運行瓶頸：設備內存有限、處理能力不足，導致運行大型模型時頻頻出現卡頓甚至崩潰。

02、解決之道：模型壓縮技術

在應對上述挑戰時，研究者們將目光投向了模型壓縮技術。壓縮的核心在于瘦身不減效，通過剪枝（pruning）、量化（quantization）等手段在減小模型規模的同時，盡可能保留其性能。

• ?剪枝：通過移除低重要性的模型參數，減少計算復雜度。
• 量化：?將模型權重從高精度浮點數（如16位）降至低精度格式（如4位），大幅降低存儲需求。

盡管這些技術已經取得了不錯的進展，但在小型設備上的部署仍面臨性能與安全標準之間的微妙平衡。

03、Llama Guard 3-1B-INT4

2024年Meta Connect大會上，Meta正式發布了Llama Guard 3-1B-INT4，這款模型以其僅440MB的超小體積引起廣泛關注。與前代Llama Guard 3-1B相比，新版模型在體積上縮小了7倍，但性能絲毫不遜色。

關鍵技術優化

1）高級剪枝技術：

• 解碼器塊從16個減少到12個。
• 多層感知機（MLP）隱藏層維度從8192縮小至6400。
• 總參數量由1.5億降至1.1億。

2）量化技術：

• 權重精度降為INT4，激活值降為INT8。
• 模型體積較16位基線模型減少了四倍。

3）蒸餾技術：從更大的Llama Guard 3-8B模型中提取知識，彌補壓縮過程中可能的性能損失。

4）輸出層優化：通過只保留20個必要token的嵌入層，進一步壓縮輸出尺寸。

出色的性能表現

即便在如此大幅壓縮后，Llama Guard 3-1B-INT4依然表現卓越：

• 高效運行：在普通Android手機CPU上，模型能以每秒30個token的速度生成內容，首個token響應時間低于2.5秒。
• 多語言支持：在五種非英語語言（包括法語、西班牙語和德語）的測試中，性能與更大模型持平或更優。
• 安全性超越：與GPT-4相比，該模型在七種語言的安全審查任務中表現更佳。

更令人印象深刻的是，這一小型模型已成功部署在Moto-Razor手機上，標志著生成式AI在移動端應用邁出了堅實一步。

04、研究總結與啟示

Llama Guard 3-1B-INT4的誕生，不僅為移動設備上的安全審查帶來了全新可能，也為生成式AI的未來發展提供了寶貴的經驗。

核心亮點：

• 壓縮技術的潛力：剪枝和量化等方法能夠顯著降低模型體積，同時維持高精度。
• 性能與安全的雙重平衡：在模型大幅壓縮的前提下，依然實現了卓越的F1得分（0.904），超過同類模型。
• 邊緣設備友好：優化后的模型能在普通移動設備上流暢運行，為規模化部署鋪平道路。
• 多語言兼容：支持多語言安全審查任務，展示了廣泛的應用前景。

05、AI安全的未來

Llama Guard 3-1B-INT4的推出，為生成式AI的安全審查設立了新標桿。憑借先進的壓縮技術和精細的性能優化，該模型不僅實現了小體積與高性能的完美結合，還為移動端AI應用開辟了新路徑。

隨著技術的不斷進步，類似的輕量化、高效能模型將越來越多地出現在我們的日常生活中，從而推動更廣泛、更安全的AI普及應用。未來已來，讓我們共同期待！

參考：

本文轉載自公眾號Halo咯咯 作者：基咯咯

原文鏈接：??https://mp.weixin.qq.com/s/Za6z8eC-A4MREhGKhNZyJg??