Project Icon

COKAL-DPO_test-v2-13b

采用LLaMA2架构的13B规模自动回归语言模型

模型由韩国公司Media Group Saramwa Soop与Marker合作开发,基于LLaMA2变压器架构,具备文本生成能力。基础模型为COKAL_pre_DPO_Test_v1-13b,采用DPO及SFT私有数据集训练,适用于多种文本生成任务。该研究项目由韩国科学技术信息通信部和光州广域市资助,旨在推动人工智能产业集群发展。

mpt-1b-redpajama-200b - 适应性强的1.3B参数解码器模型
GithubHuggingfaceMPT-1b-RedPajama-200bRedPajama变压器开源项目模型模型架构训练数据
MPT-1b-RedPajama-200b是一个1.3B参数的解码器模型,由MosaicML在2023年4月使用RedPajama数据集训练。该模型采用改良的解码器架构,使用ALiBi和QK LayerNorm提升训练效率,不依赖位置嵌入。训练中使用了67% Common Crawl和15% C4数据,目标是复刻Llama系列的训练集。部署模型时需要启用信任远程代码,并支持优化的FlashAttention实现,助力自然语言处理研究的发展。
Firefly-LLaMA2-Chinese - 低资源高效的中英文LLaMA2模型预训练与指令微调
Firefly-LLaMA2-ChineseGithubHuggingface中英双语模型低资源增量预训练大模型技术开源项目
本项目专注于低资源增量预训练与多轮指令微调,提升LLaMA2模型在中文领域的表现。支持对多种中英文预训练模型进行扩充与优化,开源了7B和13B的Base与Chat模型。在Open LLM Leaderboard和CMMLU榜单上表现出色,以4*V100完成高效训练,远低于其他模型的GPU资源需求。提供全项目信流程训练代码及数据,对LLaMA2、Baichuan2等多个模型进行详细评测,确保用户获得全面权威的模型性能数据。
Llama-3.2-11B-Vision-Instruct - Meta开发的多模态语言模型 提供图像理解与文本生成
GithubHuggingfaceLlama 3.2-VisionMeta图像识别多模态大语言模型开源项目模型自然语言处理
Llama-3.2-11B-Vision-Instruct是Meta开发的多模态语言模型,可处理图像和文本输入并生成文本输出。该模型在视觉识别、图像推理和描述任务中表现优异,性能超越多个开源和闭源多模态模型。基于Llama 3.1文本模型,采用优化的Transformer架构,通过监督微调和人类反馈强化学习提升性能。模型支持128k上下文长度,在大规模图像-文本对数据上训练,具备多语言处理能力。
Chinese-LLaMA-Alpaca-3 - 中文Llama-3大模型及其精调版本的特性
GithubLlama-3-Chinese中文大模型开源开源项目性能提升指令精调
Chinese-LLaMA-Alpaca-3项目推出了基于Meta新一代Llama-3技术的中文模型版本,涵盖原始及指令精调版本。这些模型利用海量中文数据增强了语义理解与指令执行性能,可广泛适用于多种中文文本处理任务。
openbuddy-mixtral-7bx8-v18.1-32k - 高效实现多语言文本生成
AI2推理挑战GithubHuggingfaceOpenBuddy多语言聊天机器人开源项目文本生成模型模型评估
OpenBuddy Mixtral-7bx8-v18.1-32k 是一个多语言文本生成模型,在多项性能测试中表现出色,尤其是在HellaSwag测试中,实现了84.30%的准确率。该模型支持多种语言,广泛应用于内容创造和AI交互领域。同时,用户需注意适当使用,避免在高风险场景中应用,以确保安全可靠。
DeepSeek-LLM - 多语言大模型展现卓越编码与数学能力
DeepSeek LLMGithub人工智能开源开源项目自然语言处理语言模型
DeepSeek LLM是一个包含67亿参数的先进语言模型,经过2万亿英文和中文token的训练。该模型在推理、编码、数学和中文理解等方面表现优异,超越多个同类模型。其67B Chat版本在编码和数学方面尤为出色,在HumanEval和GSM8K等基准测试中名列前茅。项目开源了7B和67B的base与chat版本,可用于学术和商业研究。
Replete-LLM-V2.5-Qwen-14b-GGUF - Replete-LLM-V2.5-Qwen-14b模型的多量化处理与硬件优化概述
ARM芯片GithubHuggingfaceRombos-LLM-V2.5-Qwen-14b开源项目性能比较模型模型优化量化
该项目对Rombos-LLM-V2.5-Qwen-14b模型进行了多种量化优化,使用了llama.cpp的b3825版本。支持多种量化格式,如f16、Q8_0、Q6_K_L等,适用不同硬件环境,推荐Q6_K_L和Q5_K_L以实现高质量和资源节省。用户可根据硬件需求选择合适的格式,并使用huggingface-cli进行下载。针对ARM芯片提供了特定的优化量化选项Q4_0_X_X,广泛适用于文本生成应用,提升运行效率和输出质量。
LongLoRA - 探索大规模长上下文语言模型的高效训练与实用应用
GithubLLaMA2LoRALongAlpaca开源项目深度学习长上下文语言模型
LongLoRA项目开发了一种高效微调方法,处理大型长上下文语言模型,涵盖了从7B至70B的各种模型规模和LongAlpaca-12k实验性数据集。项目支持多种微调方式,在基凊测试中验证了模型性能,技术可应用于多种NLP任务,助力复杂语言处理。实现显著性能优势,为企业和研究人员在从机器翻译到自动摘要等NLP任务中提供了有效的解决方案。
llm-engine - 自定义和部署大语言模型的开源解决方案
GithubLLM EngineScale大语言模型开源项目推理API模型微调
LLM Engine是一款Python库、CLI和Helm图表,能够在Scale托管基础设施或自有Kubernetes云中自定义和部署基础模型。支持LLaMA、MPT和Falcon等开源基础模型的API部署和服务,并允许在自有数据上微调以优化性能。该引擎优化推理功能和开源集成,提高部署和微调效率,未来还将提供K8s安装文档和快速冷启动时间。
Arabic-Orpo-Llama-3-8B-Instruct - 优化Meta-Llama-3模型在阿拉伯语文本生成中的表现
GithubHuggingfacellama3开源项目文本生成模型评估结果语言模型阿拉伯语
本项目利用ORPO技术对Meta-Llama-3-8B-Instruct模型进行了微调,旨在提升其生成阿拉伯语文本的准确性和连贯性。虽然基准测试结果显示基模型略有优势,但经过微调的模型在实际应用中生成的阿拉伯语文本质量更高。训练数据来自2A2I/argilla-dpo-mix-7k-arabic数据集,并通过lighteval工具进行评估,旨在增强英文模型在阿拉伯语言环境下的适应能力。
项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号