기본 콘텐츠로 건너뛰기

[Meta의 최신 LLM모델인 Llama3 요약 및 Claude AI 비교]


최근 메타에서 차세대 오픈소스 대규모 언어 모델인 Llama 3를 공개(https://ai.meta.com/blog/meta-llama-3/) 했습니다.

(** 참고 이내용은 Meta에서 최근에 발표한 Llama3 소개 자료를 Claude 3 (Opus) 가 분석하여 비교한 내용과 Llama3 분석 요약한 것입니다 **)

Meta Llama3 vs. Claude AI 비교

사람 평가자가 선호도를 평가한 결과, Llama 3 70B Instruct 모델은 Claude, GPT-3.5 등 경쟁 모델을 압도하는 성능을 보였습니다.

특히 Claude Sonnet 모델과의 비교에서 Llama 3는 52.9%의 선호도로 우위를 보였고, 34.2%의 낮은 패배율을 기록했습니다. 이는 Anthropic의 Claude 모델이 강력한 경쟁 모델로 평가받는 상황에서 의미있는 결과입니다.

다만 휴먼 평가 방식의 한계상 두 모델의 절대적인 성능 차이를 단언하긴 어렵습니다. 향후 다양한 태스크에서의 직접 비교가 필요해 보입니다.

객관적인 벤치마크 결과를 볼 때, Llama 3 70B Instruct 모델은 MMLU, GPQA 등 주요 평가에서 Claude Sonnet를 약간 상회하는 성능을 보여주었습니다.

다만 HumanEval(코딩 능력) 벤치마크에서는 Claude Sonnet에 다소 뒤쳐지는 모습을 보여, 세부 태스크별 성능 편차가 존재함을 알 수 있었습니다.

종합하면 Llama 3 Instruct 모델은 Claude를 포함한 최신 경쟁 모델들과 매우 근접한 성능을 보여주었다고 할 수 있겠습니다.

Claude와의 비교 내용을 추가하여 Llama 3의 경쟁력을 보다 입체적으로 제시해 보았습니다.

Llama 3는 현존 최고 수준으로 평가받는 Claude 모델과 견줄만한 성능을 보여주었지만, 일부 태스크에서의 열세도 관찰되었습니다.

두 모델 모두 아직 발전 단계에 있는 만큼, 향후 지속적인 벤치마크 비교가 필요해 보입니다. 다양한 활용 사례에서의 성능 검증도 흥미로운 주제가 될 것 같네요.

Llama 3 소개

- Meta에서 공개한 차세대 오픈소스 대규모 언어 모델

- 기존 최고 수준의 사유 모델과 대등한 성능 목표

- 8B, 70B 파라미터 버전으로 제공, 400B+ 버전도 개발 중

- 추론, 코딩 등 다양한 NLP 태스크에서 강점

주요 특징  

- 개선된 토크나이저로 언어 인코딩 효율성 향상

- 추론 속도 향상 위해 Grouped Query Attention(GQA) 적용

- 15조 토큰 대규모 사전학습 데이터셋 활용 (코드 데이터 4배 증가)

- 30개 이상 언어 지원 위한 다국어 데이터 확보

- 강력한 데이터 필터링 파이프라인으로 고품질 데이터 확보

- PPO, DPO 등 새로운 instruction tuning 기법 도입

사전학습 벤치마크 성능

Llama 3 사전학습 모델은 MMLU, BIG-Bench Hard 등 다양한 벤치마크에서 기존 모델 대비 우수한 성능을 보여주었습니다.

특히 70B 모델은 대부분의 평가에서 가장 높은 점수를 기록하며 현존 최고 수준의 성능을 보여주었습니다.

"Meta Llama 3 사전학습 모델 성능 벤치마크"

Instruction Tuning 벤치마크 

사람 평가자가 선호도를 평가한 결과, Llama 3 70B Instruct 모델은 Claude, GPT-3.5 등 경쟁 모델을 압도하는 성능을 보였습니다.

모든 비교에서 50% 이상의 선호도를 기록했고, 패배율은 상대적으로 낮았습니다. 실제 사용 시나리오에 최적화된 것으로 평가됩니다.

"Meta Llama 3 Instruct 모델 휴먼 평가 결과"

또한 MMLU, GPQA, HumanEval 등 다양한 벤치마크에서도 Llama 3 Instruct 모델의 우수한 성능이 입증되었습니다.

"Meta Llama 3 Instruct 모델 성능 벤치마크"

Responsible AI 노력

Meta는 Llama 3 개발에 있어 책임감있는 AI 개발을 위해 노력했습니다.

- 개발 초기 단계부터 위험 평가 및 완화 수행

- 자체 Responsible AI 프레임워크 따라 모델 개발

- 유해성 테스트 위한 레드팀 운영 및 안전성 강화  

- 책임감있는 오픈소스 공개 통한 연구 협력 도모

맺으며

Llama 3는 기존 최고 수준의 언어 모델들과 견줄만한 성능을 보여주었습니다. 개선된 아키텍처와 방대한 사전학습 데이터, 혁신적인 instruction tuning 기법이 성공 요인으로 분석됩니다.

400B 이상 파라미터 버전과 다국어/멀티모달 지원 등 지속적인 발전이 예고된 만큼, Llama 3가 자연어 처리 분야에 가져올 변화가 주목됩니다.

아울러 오픈소스 공개를 통해 연구 커뮤니티와 협력하는 Meta의 개방적 접근 방식도 높이 평가할 만합니다.  

댓글

이 블로그의 인기 게시물

[알아두면 쓸모 있는 구글 문서 팁] 문서 공유시- 사용자 이름 대신에 익명의 동물이 표시 되는 이유와 동물 종류

구글 드라이브에는 다른 유사 서비스에서는 제공하지 않는 구글 만의 유니크한 기능들이 있다 구글 문서를  불특정 다수에게 전체 공개로 공유할 수 있습니다. 불특정인이 구글 문서에 접속한 경우 익명의 동물로 표시됩니다.  ' 웹에 공개' 또는 '링크가 있는 사용자' 공유 설정을 선택하면 인식할 수 없는 이름이나 익명의 동물이 표시될 수 있습니다. 파일에서 인식할 수 없는 이름을 볼 수 있는 몇 가지 이유는 다음과 같습니다. 메일링 리스트와 파일을 공유합니다. Google 계정이 없는 사용자와 파일을 공유하며, 그 사용자가 다른 사용자에게 공유 초대를 전달했습니다. 내 파일을 수정할 수 있는 누군가가 파일을 다른 사용자와 공유했습니다. 다른 사용자가 자신의 Google 계정 이름을 변경했습니다. 공유 설정 페이지에서 해당 사용자 이름 위로 마우스를 이동하여 이메일 주소를 확인하세요. 익명의 동물 다른 사용자에게 개별적으로 보기 또는 수정 권한을 부여하거나 메일링 리스트에 속해 있는 경우에만 사용자 이름이 표시됩니다. 파일 권한을 '링크가 있는 사용자'로 설정하면 파일을 보고 있는 사용자의 이름이 표시되지 않습니다. 대신 다른 사용자가 익명으로 라벨이 지정되어 표시되고 각 익명 사용자는 다양한 익명의 동물로 나열됩니다. 파일 권한을 '링크가 있는 사용자'로 설정했지만 특정 사용자와 파일을 공유하는 경우 파일을 공유한 사용자의 이름이 표시됩니다. 그 외 다른 사용자가 파일을 볼 때는 익명으로 나타납니다. 비공개 파일의 익명 동물 파일 권한을 '링크가 있는 사용자'로 설정한 다음 이를 '특정 사용자'로 변경하면 다음과 같은 경우 여러 익명의 동물이 표시될 수 있습니다. 누군가 파일을 여러 번 여는 경우에는 익명의 동물 목록에서 오래되고 연결이 끊긴 세션을 강제 종료하는 데 조금 시간이 걸릴 수 있습니다. 누군가 온...

[팁] Google Slide 프리젠테이션시 모든 한글폰트가 '굴림체' 로 바뀌는 현상을 해결한 크롬 확장 프로그램 소개

구글 문서도구인 구글 슬라이드를 이용하여 프리젠테이션을 많이 하는 분들을 위한 희소식 현재 구글 슬라이드에서는 슬라이드 편집시 사용한 고유 한글 폰트들은 프리젠테이션 모드로 전환할 경우는 모두 '굴림체' 로 바뀌어 표시가 되는 불편함이 있었습니다. 예). 슬라이드 편집에서 사용한 '궁서체' 한글 폰트는, 프리젠테이션 모드에서는 '굴림체'로 바뀌어 디스플레이됨 예). 슬라이드 편집 모드 - '궁서체' 폰트 사용 프리젠테이션 모드에서 '굴림체' 로 변경됨    따라서, 이러한 현상을 해결하는 크롬 확장 프로그램이 개발 되었습니다.  크롬 확장 프로그램 명 - ShowAsis 입니다. 크 롬 웹스토어 링크 -  https://goo.gl/PVPkZz 이 확장 프로그램을 사용하여 슬라이드 프리젠테이션을 하면, 편집 모드의 폰트 그대로 프리젠테이션시에도 그대로 한글 폰트로 디스플레이 됩니다. 단, 단점은 슬라이드가 애니메이션 슬라이드가 있는 경우는 애니메이션이 동작하지 않습니다. ----------------------- G Suite/Google Apps 전문 블로그 -  charlychoi.blogspot.kr 도서 '기업과 학교를 위한 구글크롬북'

구글 드라이브에서 내 파일이 갑자기 사라졌어요 [알아두면 쓸모 있는 구글 드라이브 팁]

  구글 드라이브에서 고아가 된(정리 되지 않은)  파일들에 대한 현상 및 복원 방법 및 공유 드라이브 활용 목차  배경 내 파일이나 폴더가 사라지고 (삭제된 것은 아님) 찾을 수 없는 현상 고아가 된 파일 (정리가 안된 파일) 을 찾아 내고 복원하는  방법 고아가 된 과정을 추적하는 방법 배경   구글 드라이브의 내 드라이브에서 협업을 위한 협업 폴더를 생성한 후 다른 팀원간들간에 공유하여 작업하는 동안 예기치 못하게 내가 생성한 파일들 또는 폴더가 갑자기 사라지는 현상이 발생 할 수 있습니다. 또한 이를 경험한 사용자들이 많이 있습니다.  내가 파일이나 폴더를 삭제하지 않았는데 불구하고 휴지통에도 없고, 내가 삭제한 기억도 없고, 이러한 현상이 발생할 경우에는 본 벡서서에서 설명하는 해당 폴더나 파일들이 ‘고아 (Orphaned)’ 가 된 상태가 되어있는게 분명합니다.  한글 도움말에는 ‘정리가 되지 않은 파일 (또는 분리가 된 파일)' 이라고 설명되어 있기도 합니다. 고아가 된 파일들은 어떠한 폴더에도 속하여 있지 않고, 내 휴지통에도 존재하지 않는 현상입니다. 그러나, 구글 드라이브에서는 용량을 계속 차지 않고 있는 상태입니다. 간혹 왜? 내가 삭제한 적이 없는데 파일이 없어졌거나 폴더가 보이질 않는 경우 당황하지 않고 이문서를 자세히 참조하면 해답을 찾을 수 있습니다.   내 파일이나 폴더가 사라지고 (삭제된 것은 아님) 찾을 수 없는 현상      1. 내 드라이브에서 Folder A를 생성하고 Folder A 안에 File A 를 생성 합니다. 나중에 File A를 삭제 하고, 그 이후에 Folder A 까지 삭제를 할 수 있습니다. 그후 휴지통에서 File A만 복원을 할 경우 삭제된 File A 를 복원하려고 하는데 File A가 존재하였던 상위 폴더 ‘Folder A’는 이미 삭제된 상태입니다. 이럴때 File A는 ...

[알아두면 쓸모 있는 구글 Meet 팁] 구글 Meet에서 컴패니언 (Companion) 모드가 무엇이고 왜? 필요한가요?

  구글 Meet 에서 컴패니언 (Companion) 모드란 무엇이고 왜? 필요한가 지난 1월13일자  구글 영문 공식 블로그 에서  구글의 화상회의 도구인 Google Meet 에 컴패니언 (Companion) 모드 기능이 추가 되었다는 발표가 있었습니다. 이 모드가 무엇이고 왜? 필요한지 알아보도록 하겠습니다. 여러분들은 구글의 대표적인 화상회의 도구인 Google Meet 로 화상 회의를 얼마나 자주 하나요? Google Workspace 에 기본 기능으로 포함되어 있는 Google Meet 는 코로나19 펜데믹 이후로 많은 기업에서 활용하고 있을 것입니다. 그동안 한 회의실에서 여러명이 모여 화상 회의를 하는 경우 대부분은 하나의 노트북을 대표로 지정하고 나머지 참석자들은 노트북 주변에 모여서 회의 (비디오+음성)를 하거나, 아니면 각자의 노트북으로 화상 회의에 연결한 후 마이크를 mute 를 하여 참여해야만 하는 불편함이 있었습니다. (이유는 한 회의실안에서 화상회의시 여려명이 마이크를 On 하면 소위 하울링 또는 Audio Feedback 현상이 발생하기 때문)   구글은 Google Meet 로 화상 회의시 이러한 불편함을 없애기 위해서 소위 컴패니언 모드 기능을 추가하였습니다. 즉, 한 회의실에서 여러명이 회의에 참여할 경우 하나의 컴퓨터 또는 Google Meet 전용 하드웨어인 화상회의 기기를 메인으로 연결하고 나머지 참여자들은 각자의 노트북에서 컴패니언 모드로 접속 할 수 하도록 한 것입니다. 즉, 컴패니언 모드로 접속한 사용자는 자동으로 오디오와 비디오는 Off 가 나머지 기능들만 활성화 (화면공유, 손들기, 다른 참여자와 채팅, 자막 사용) 되어 회의에 참여 할 수가 있게 되었습니다. 이 기능은 개인 gmail 사용자 뿐만아니라 Google Workspace 의 모든 사용자들이 사용할 수 있게 업데이트 되었습니다. Google Meet 로 화상 회의에 참여 할 경우 컴패니언 모드로 접속을 하는 방법에는 ...

"AI 전문가”의 함정: 프롬프트 엔지니어링에서 컨텍스트 엔지니어링까지, 누가 우리를 멀어지게 했나

            생성형 AI가 우리 곁에 온 지 얼마 되지 않아, 우리는 ‘프롬프트 엔지니어링’이라는 낯선 용어의 세례를 받았습니다. AI를 잘 쓰려면 뭔가 대단한 기술이 필요할 것 같은 불안감을 심어주었죠. 이제는 한술 더 떠 ‘컨텍스트 엔지니어링’이라는 말이 등장했습니다. 마치 AI와의 대화가 점점 더 소수 전문가의 영역이 되어가는 듯합니다. 하지만 정말 그럴까요? 이 글에서는 이러한 현상이 어떻게 우리의 AI 접근성을 떨어뜨리고 있는지, 그 이면의 진실은 무엇인지 파헤쳐 봅니다.         1. ‘프롬프트 엔지니어’의 등장: 필수 기술인가, 스쳐 가는 유행인가?         ‘프롬프트 엔지니어링’은 AI에게 원하는 결과를 얻기 위해 명확한 지시를 내리는 기술입니다. 초기 AI 모델들은 인간의 의도를 잘 파악하지 못했기 때문에, 사용자의 정교한 안내가 필수적이었습니다. 예를 들어, AI에게 특정 역할(페르소나)을 부여하거나, 복잡한 문제는 단계별로 생각하도록 유도하는(사고의 연쇄, Chain-of-Thought) 기법들이 대표적입니다.         하지만 이를 ‘엔지니어링’이라 부르는 것에 대해서는 논란이 많습니다. 지지자들은 체계적인 실험과 분석이 필요한 공학의 한 분야라고 주장하지만, 비판자들은 결과가 예측 불가능하고, 동일한 프롬프트에도 다른 답이 나오는 등 전통적인 공학의 엄밀함이 부족하다고 지적합니다. 사실 ‘프롬프트 엔지니어링’의 부상은 초기 AI 기술의 한계를 보완하기 위한  과도기적 현상 에 가깝습니다.         2. 다음 물결, ‘컨텍스트 엔지니어링’: 더 높은 벽인가, 자연스러운 진화인가?         최근에는 ‘컨텍스트 엔지니어링’이라는 용어가 주목받고 있습니다. 이는 단순히 질문 ...