Project Icon

Azzurro

专为意大利语优化的Mistral-7B衍生模型

Azzurro是基于Mistral-7B-v0.2的意大利语大语言模型,经过SFT和LoRA技术优化。模型使用SQUAD-it等公开数据集和自制数据集训练,擅长理解和维护上下文,适用于RAG任务和上下文感知应用。在hellaswag、arc和mmlu评估集上,Azzurro平均得分0.52。该模型易于集成,为意大利语NLP项目提供有力支持。同时提供4位和8位量化版本,适应不同硬件环境。

Qwen2-1.5B-ITA-Instruct - Qwen2-1.5B-ITA-Instruct模型通过强化意大利语的加速训练
GithubHuggingfaceUnslothapache-2.0开源项目意大利语模型模型微调
Qwen2-1.5B-ITA-Instruct 通过 Unsloth 连续预训练模式提升意大利语表现,初步微调使用 gsarti/clean_mc4_it 数据集,随后借助 FreedomIntelligence/alpaca-gpt4-italian 数据集进行指示性微调,实现训练效率翻倍,综合性能在意大利语模型排行榜上有出色表现。
Mistral-7B-Instruct-v0.3 - Mistral-7B-Instruct-v0.3模型的指令微调与功能调用概述
GithubHuggingfaceMistral-7B-Instruct-v0.3Open LLM Leaderboard功能调用开源项目文本生成模型模型微调
Mistral-7B-Instruct-v0.3模型经过指令微调,支持32768词汇和v3 Tokenizer,并具备功能调用能力。在多个评测如AI2 Reasoning Challenge和HellaSwag中展示良好表现。该模型支持多种使用方式,包括简单安装、下载指南及在Hugging Face上的文本生成,利用CLI命令与模型对话,或调用自定义功能。尽管缺乏内容审查机制,Mistral团队正与社区合作,以确保输出适合多种环境。
bert-base-italian-xxl-uncased - 意大利BERT和ELECTRA模型的开源大规模数据集
BERTELECTRAGithubHuggingface巴伐利亚州立图书馆开源项目意大利语模型模型
项目由巴伐利亚州立图书馆的MDZ数字图书馆团队开源,专注于训练大规模意大利语BERT和ELECTRA模型。数据来自Wikipedia和OPUS语料库,扩展至OSCAR语料库,数据规模从13GB到81GB不等,兼容PyTorch-Transformers。提供NER和PoS标注任务的结果示例,模型可在Huggingface model hub下载。欢迎通过GitHub参与和反馈。
Mistral-7B-v0.3 - 词汇扩展提升语言模型性能
GithubHugging FaceHuggingfaceMistral-7B-v0.3transformers大语言模型开源项目模型词汇扩展
Mistral-7B-v0.3版本引入了32768项扩展词汇,提升了语言模型的表现能力。结合mistral-inference使用,支持灵活的文本生成和定制处理。该版本尚未具备完善的安全机制,计划通过与社区合作,探索在输出需调节的环境中实现安全部署。
Mistral-7B-Instruct-v0.2-AWQ - Mistral-7B-Instruct-v0.2改进版指令微调大语言模型
AI推理AWQGithubHuggingfaceMistral-7B-Instruct-v0.2开源项目文本生成模型模型量化
Mistral-7B-Instruct-v0.2是Mistral AI团队开发的改进版指令微调大语言模型。基于Mistral-7B-v0.1架构,采用分组查询注意力和滑动窗口注意力技术。支持[INST]和[/INST]标记的指令格式,提供聊天模板功能。模型性能出色,但缺乏审核机制。适用于需要无限制输出的应用场景,展示了基础模型易于微调并获得优秀性能。
sentence-bert-base-italian-uncased - 意大利语句向量模型 支持文本特征提取和语义相似度计算
GithubHuggingfacesentence-transformers句向量模型开源项目文本相似度模型模型训练自然语言处理
该模型是基于BERT架构的意大利语sentence-transformers模型,可将文本映射为768维向量。它支持文本特征提取、语义相似度计算和文本聚类等任务,适用于意大利语自然语言处理场景。模型使用CosineSimilarityLoss训练,并提供了详细的使用示例,可通过sentence-transformers或HuggingFace Transformers库轻松集成。
zephyr-7b-alpha - 基于Mistral-7B微调的对话型语言模型
GithubHuggingfaceZephyr人工智能开源项目微调模型深度学习语言模型
zephyr-7b-alpha是基于Mistral-7B-v0.1微调的语言模型,通过直接偏好优化(DPO)在合成数据集上训练。主要用于英语对话,能生成友好的回复,但可能产生有争议的内容。模型可通过Hugging Face的pipeline轻松使用,适合各种文本生成任务。
mistral-ft-optimized-1227 - 多基础模型融合优化的Mistral模型用于下游任务微调
GithubHuggingfaceMistral-7B下游任务开源模型开源项目性能优化模型模型合并
该模型通过层级SLERP技术融合了OpenHermes、Neural Chat、MetaMath和OpenChat等基础模型,作为Mistral模型的优化版本,可用于多种下游任务的微调和开发
Mistral-Nemo-Instruct-2407-GGUF - Mistral-Nemo模型在多语言文本生成中的量化应用
GithubHuggingfaceMistral-Nemo-Instruct-2407内存需求开源项目性能优化模型模型下载量化
Mistral-Nemo-Instruct-2407项目通过llama.cpp进行了高效的量化处理,优化了模型性能和文件大小。该模型适用于多种RAM和VRAM配置,提供不同量化格式以满足各种需求,尤其推荐使用Q6_K_L和Q5_K_L格式。这些量化后的模型可在LM Studio中执行,适合高质量文本生成任务。
multi-sentence-BERTino - 意大利语句子嵌入模型的功能与应用
GithubHuggingfacemulti-sentence-BERTino句子嵌入句子相似性开源项目意大利语模型语义搜索
multi-sentence-BERTino是专为意大利语设计的句子嵌入模型,依托sentence-transformers实现高效的建模。该模型使用mmarco italian和stsb italian数据集进行训练,可用于语义搜索和聚类,支持两种操作方式:使用sentence-transformers库或HuggingFace Transformers。文档包含训练参数和评估结果,详细描述了完整模型架构,适合各种自然语言处理任务。
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