Project Icon

Vikhr-Nemo-12B-Instruct-R-21-09-24

全新升级的俄英双语大语言模型 内置RAG检索增强功能

Vikhr-Nemo-12B-Instruct-R是一个基于Mistral-Nemo的开源语言模型,针对俄语和英语进行了深度优化。模型通过SFT和SMPO方法训练,具备推理分析、文本生成、代码编写等多项能力。其特色在于支持RAG检索增强和128K长文本处理,在俄语基准测试中接近gpt-4o-mini水平。该项目完全开源,包含训练代码和数据集。

Vikhr-7B-instruct_0.4 - 俄英双语指令微调大模型新版本提升性能
GithubHuggingfaceVikhr俄语开源开源项目指令微调模型语言模型
Vikhr-7B-instruct_0.4是一款针对俄语和英语优化的指令微调大语言模型。新版本通过增加SFT训练数据,大幅提升了JSON处理和多轮对话的稳定性,尤其在处理长上下文和复杂提示时表现出色。模型采用Flash Attention 2技术,支持Google Colab使用,并提供GGUF格式。项目包含详细的使用示例和学术引用信息,方便研究人员和开发者快速上手。
Vikhr-Llama-3.2-1B-instruct-GGUF - 俄语高效指令模型,适用于低性能或移动设备
GithubHuggingfaceVikhr-Gemma-2B-instruct俄罗斯语数据集开源项目文本生成模型移动设备高效性
此指令模型基于Llama-3.2-1B-Instruct,使用GrandMaster-PRO-MAX俄语数据集训练,能效比基础模型提升5倍,支持低性能或移动设备部署。支持在少量计算资源下实现强大的文本生成功能。生成温度建议为0.3。在ru_arena_general中表现优异,适合精确高效的文本生成需求。由Vikhr团队的知名作者开发,致力于推动开源大型语言模型的创新。
UnslopNemo-12B-v3-GGUF - 实验性Mistral对话模型的增强表达版本
AI模型GithubHuggingfaceUnslopNemo开源项目数据集优化模型模型表现自然语言处理
UnslopNemo-12B-v3-GGUF作为Mistral架构的实验性语言模型,对原有RP数据集进行了90%的优化处理。模型集成了Metharme、Mistral和Text Completion等多种功能,支持灵活的采样器参数调整。目前处于持续优化阶段,通过社区反馈不断完善其性能表现。
rulm - 俄语语言模型:的实现与性能对比
GPT Role-play RealmGithubRuTurboAlpacaRussianSuperGLUESaigarulm开源项目
此项目展示了俄语语言模型的实现与比较,涵盖DataFest的分享、主要演示和Fine-tuning Colab资源链接。同时介绍了基于ChatGPT生成数据的RuTurboAlpaca和Saiga两个主要数据集,以及相关模型及其训练配置的详细内容。提供了数据集生成脚本和提示。此外,还展示了GPT Role-play Realm的数据集和模型评估结果,包括与GPT4和gpt-3.5-turbo的对比分析。
Mistral-Nemo-Instruct-2407-GGUF - 多语言与编程语言支持的先进文本生成模型
GGUF量化GithubHuggingfaceLM StudioMistral Nemo多语言支持开源项目文本生成模型
Mistral Nemo由Mistral AI和NVIDIA联合训练,拥有超过一百万的上下文窗口,支持多种语言如法语、德语、中文及逾80种编程语言,包括Python和Java。模型性能卓越,通过GGUF量化适合复杂任务场景。它可在LM Studio使用,并能处理特定格式的指令,广泛适用于文本生成任务。
Mistral-Nemo-Instruct-2407-vllm-fp8 - 开源多语言指令微调大模型
Apache 2许可GithubHuggingfaceMistral-Nemo-Instruct-2407多语言大语言模型开源项目指令微调模型
Mistral-Nemo-Instruct-2407是Mistral AI与NVIDIA联合开发的开源指令微调语言模型。该模型在128K上下文窗口训练,支持多语言和代码生成,性能优于同等规模模型。采用Apache 2许可,可替代Mistral 7B使用。模型在多项基准测试中表现出色,支持mistral_inference、transformers和NeMo等框架进行推理。
Mistral-Nemo-Instruct-2407 - 多语言指令微调开源大语言模型
GithubHuggingfaceMistral-Nemo-Instruct-2407代码生成函数调用多语言支持大语言模型开源项目模型
Mistral-Nemo-Instruct-2407是Mistral AI与NVIDIA联合开发的指令微调大语言模型,基于Mistral-Nemo-Base-2407。该模型性能优异,支持128k上下文窗口,涵盖多语言和代码能力。它采用Apache 2许可证开源,可直接替代Mistral 7B,并在多项基准测试中展现卓越表现。
UnslopNemo-12B-v2-GGUF - 增强AI模型表达能力的实验探索
ChatMLGithubHuggingfaceMistralUnslopNemo反馈开源项目数据集模型
该项目通过减少RP数据集中的特点,以提高模型的表达力。适用于Mistral、ChatML以及文本补全任务。通过调整采样设置,用户有可能获得更优的结果。参与者被鼓励在讨论页面提供反馈,以帮助进一步改进性能。
Mistral-Nemo-12B-ArliAI-RPMax-v1.1-GGUF - 基于Mistral Nemo 12B的创新多样性写作模型
ArliAI-RPMax-12B-v1.1GithubHuggingface创造力开源项目数据集模型训练
Mistral-Nemo-12B-ArliAI-RPMax-v1.1是基于Mistral Nemo 12B模型的开源项目,专为增强创意及非重复性而设计。该模型在仅两天内完成训练,通过减少重复性措施,对多样化情境与角色具备更强适应性,支持多种量化格式,满足不同应用需求。
Mistral-Nemo-Instruct-2407-GGUF - 多语言指令微调大规模语言模型
GithubHuggingfaceMistral-Nemo-Instruct多语言大语言模型开源项目指令微调模型自然语言处理
Mistral-Nemo-Instruct-2407是一款基于Mistral-Nemo-Base-2407指令微调的大规模语言模型,支持128k上下文窗口。该模型在多语言和代码任务方面表现优异,可替代Mistral 7B使用。模型在主流基准测试中表现出色,并在多语言任务中展现强大能力。开发者可通过mistral_inference、transformers或NeMo框架使用该模型进行聊天、指令遵循和函数调用等多样化任务。Mistral-Nemo-Instruct-2407采用Apache 2许可证开源发布。
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