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。

Mistral-7B-Instruct-v0.3-GGUF - 高性能量化版指令微调大语言模型
GithubHuggingfaceMistral-7B-Instruct-v0.3大型语言模型开源项目提示模板模型硬件要求量化
Mistral-7B-Instruct-v0.3 GGUF是一系列针对不同硬件条件优化的量化模型。支持32k上下文长度、扩展词表和函数调用,适用于对话等交互任务。模型大小从2.72GB到14.5GB不等,提供多种精度选择,平衡性能和资源消耗。GGUF格式便于在各类设备上高效部署和使用。
opus-mt-it-en - 基于OPUS数据集的意大利语至英语神经机器翻译模型
GithubHuggingfaceOPUS-MT开源项目意大利语机器翻译模型神经网络模型英语
opus-mt-it-en是一个基于transformer-align架构的意大利语至英语神经机器翻译模型。该模型利用OPUS数据集训练,采用normalization和SentencePiece进行预处理。在多个测试集上表现优异,尤其在Tatoeba测试集上获得70.9的BLEU分数和0.808的chr-F分数,显示出较高的翻译质量。此外,该模型在newssyscomb2009和newstest2009等其他测试集上也展现了出色的跨领域翻译能力。
mistral-7b-instruct-v0.3 - 高效finetune解决方案,减少内存占用提升速度
GithubHuggingfaceMistralUnsloth开源项目性能提升模型神经网络调优
这款通过Unsloth技术的Google Colab笔记本集合,简化了Mistral、Gemma和Llama等AI模型的finetune过程。简单操作即可提高模型速度超过两倍,并显著降低内存占用,同时允许将优化的模型导出为GGUF、vLLM,或上传至Hugging Face,适合初学者使用。
GLiNER_ITA_LARGE - GLiNER框架驱动的意大利语命名实体识别模型
GLiNERGithubHuggingfacePython库命名实体识别实体预测开源项目模型模型加载
GLiNER_ITA_LARGE是一个基于GLiNER框架的意大利语命名实体识别模型。该模型采用双向Transformer技术,支持自定义标签,适用于多种自然语言处理任务。通过简单安装GLiNER库,研究人员和开发者可以轻松应用此模型进行意大利语文本分析。可用于新闻文本、社交媒体内容等意大利语语料的实体识别分析。
zephyr-7B-beta-GGUF - 专注对话场景的开源大语言模型
GGUFGithubHuggingfaceLLMZephyr-7B人工智能开源项目模型模型量化
Zephyr-7B-beta是Hugging Face H4团队基于Mistral-7B-v0.1开发的开源大语言模型。通过UltraChat和UltraFeedback数据集微调,该模型在对话场景中表现出色。采用MIT许可证发布,支持英语并可用于多种推理任务。开发者可使用提供的prompt模板与模型交互,探索其对话生成能力。
Llama-3-8b-ita-ties-pro - 通过Mergekit实现的意大利语LLM模型合并及性能评价
GithubHuggingfaceLlama-3-8b-ita-ties-proMeta-Llama-3-8B-Instruct开源项目性能评估意大利LLM模型模型合并
本项目结合Mergekit工具,采用TIES方法合并了意大利语的LLM模型,虽未超越现有最佳模型,但达到了满意的效果。详细性能请参阅意大利语言模型排行榜。合并过程涉及DeepMount00/Llama-3-8b-Ita和swap-uniba/LLaMAntino-3-ANITA-8B-Inst-DPO-ITA,基准模型为meta-llama/Meta-Llama-3-8B-Instruct。模型合并使用bfloat16数据类型,并对参数如密度和权重进行了优化。
Mistral-7B-SlimOrca - SlimOrca实现高效性能的Mistral-7B文本生成模型
GPT-4GithubHuggingfaceMistral-7B-SlimOrca开源项目性能评估数据集模型语言模型
Mistral-7B-SlimOrca是一款基于Mistral-7B模型,并经过SlimOrca数据集微调的神经网络模型。通过仅~50万条GPT-4补全数据,该模型在HuggingFace评估中表现优异,接近Llama2-70b-chat,且大幅减少数据量和计算需求。模型使用OpenChat打包并由Axolotl训练,借助GPT-4对数据集的精确筛选,提供高效文本生成能力,探索未来模型训练的新方法。
Mistral-7B-Instruct-v0.3-GGUF - Mistral-7B-Instruct模型的多种量化版本优化性能与文件大小
GGUFGithubHuggingfaceMistral-7B-Instruct-v0.3llama.cpp开源项目模型模型性能量化
该项目为Mistral-7B-Instruct-v0.3模型提供多种量化版本,采用llama.cpp的imatrix选项。量化类型从Q8_0到IQ1_S不等,文件大小范围为1.61GB至7.70GB。项目详细介绍了各版本特点,并提供下载指南和选择建议,方便用户根据硬件条件和性能需求选择最佳版本。
zephyr-7B-alpha-AWQ - Zephyr 7B模型AWQ量化版支持轻量级推理部署
AWQGithubHuggingfaceZephyr-7B开源项目文本生成模型模型量化深度学习
Zephyr 7B Alpha是一个基于Mistral-7B训练的对话助手模型。本版本采用AWQ量化技术将模型压缩至4位精度,使用wikitext数据集和128g量化参数进行优化。相比GPTQ,AWQ量化能提供更快的推理速度,同时显著降低显存占用,使模型可以在配置较低的GPU上高效部署运行。
Mistral-Large-Instruct-2407 - Mistral大语言模型在多语言理解与高级推理方面展现卓越性能
GithubHuggingfaceMistral-Large-Instruct人工智能授权函数调用多语言支持大语言模型开源项目模型
Mistral-Large-Instruct-2407作为一款基于123B参数构建的大规模语言模型,集成了多语言处理、代码编程和数学推理等核心功能。模型配备128k上下文窗口,支持80余种编程语言,同时提供函数调用与JSON输出特性。在MMLU测试中达到84.0%的优异成绩,MT Bench评分为8.63,彰显其在自然语言处理领域的实力。目前该模型已开放研究及非商用场景应用。
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