Logo
Project Icon

LLaMA-1B-dj-refine-150B

LLaMA架构的开源语言模型基于精炼数据集训练

模型LLM预训练Github模型评估开源项目Data-Juicer数据集Huggingface

LLaMA-1B-dj-refine-150B是一个采用LLaMA-1.3B架构的开源语言模型，基于Data-Juicer精炼的150B tokens RedPajama和Pile数据预训练。模型在16个HELM任务上的平均得分达34.21，优于同级别的Falcon-1.3B、Pythia-1.4B和Open-LLaMA-1.3B。项目提供了详细的训练数据集信息和性能对比，可作为语言模型研究的参考资源。

GithubGithubHuggingfaceHuggingface论文论文
介绍相关项目
open_llama_3b_v2 - 高性能开源大型语言模型复现LLaMA
GithubHuggingfaceOpenLLaMA大语言模型开源复现开源项目性能评估模型模型权重
OpenLLaMA是一个复现Meta AI的LLaMA大型语言模型的开源项目。它提供3B、7B和13B三种规模的模型，使用开源数据集训练了1万亿个标记。该项目采用与原始LLaMA相同的预处理和训练参数，在多项评估中表现出色。OpenLLaMA提供PyTorch和JAX格式的预训练权重，遵循Apache 2.0许可证发布。
Sheared-LLaMA-1.3B - 高效压缩训练的小型语言模型
GithubHuggingfaceSheared-LLaMA下游任务开源项目模型结构化剪枝语言模型预训练
Sheared-LLaMA-1.3B是一个基于LLaMA2-7B模型裁剪并预训练的小型语言模型。该项目仅使用50B token进行训练，却在推理、阅读理解等多项下游任务中展现出优异表现，平均性能超过了同等规模的OPT-1.3B和Pythia-1.4B模型。这一模型保留了LLaMA的词表，在有限计算资源条件下实现高效训练，为大型语言模型的压缩和轻量化研究提供了新的思路。
open_llama_3b - 开源复现LLaMA架构的大型语言模型
GithubHuggingfaceOpenLLaMA人工智能大语言模型开源开源项目模型自然语言处理
OpenLLaMA是一个开源项目，旨在复现LLaMA大型语言模型。它基于Apache 2.0许可，提供了7B和3B模型（1万亿标记训练）以及13B模型预览版（6000亿标记训练）。项目发布了PyTorch和JAX格式的预训练权重，并与原始LLaMA进行了性能对比。OpenLLaMA使用RedPajama数据集训练，整体性能与LLaMA和GPT-J相当，部分任务表现更佳。
open_llama_7b - 开源复现的大规模语言模型媲美原版LLaMA
GithubHuggingfaceOpenLLaMA人工智能大语言模型开源开源项目模型自然语言处理
OpenLLaMA是一个基于Apache 2.0许可的开源大型语言模型，旨在复现Meta AI的LLaMA。该项目提供了在1万亿个token上训练的7B和3B模型，以及在6000亿个token上训练的13B模型预览版。OpenLLaMA基于RedPajama数据集训练，在多项评估任务中表现与原版LLaMA相当或更优。项目开源了PyTorch和JAX格式的预训练权重，支持使用Hugging Face transformers和EasyLM框架加载模型。
open_llama_7b_v2 - Meta AI LLaMA开源复刻
GithubHuggingfaceMeta AIOpenLLaMA大语言模型开源开源项目模型模型评估
OpenLLaMA项目发布了开放许可的LLaMA模型复刻，包括3B、7B和13B模型，使用多种数据集进行训练。项目提供了PyTorch和JAX格式的模型权重，能替代原始LLaMA模型，适用于多种应用场景。模型在多任务测试中表现优异，部分任务超过原始模型。用户可通过Hugging Face平台加载模型，建议暂时避免使用快速分词器。项目旨在提升高效语言模型研究，为AI社区提供共享资源。
Llama-3.1-405B - Meta开发的多语言大规模语言模型集合,支持商业和研究使用
GithubHuggingfaceLlama 3.1人工智能多语言大语言模型开源项目模型自然语言处理
Llama 3.1是Meta开发的多语言大型语言模型系列,提供8B、70B和405B三种规模。模型采用优化的Transformer架构,支持128k上下文长度,使用分组查询注意力机制提升推理效率。经指令微调后,可用于多语言对话等场景,在行业基准测试中表现出色。支持8种语言,适用于商业和研究用途,如助手式聊天和自然语言生成等任务。
LiteLlama-460M-1T - 轻量级高性能语言模型精简参数实现大模型能力
GithubHuggingfaceLiteLlama大语言模型开源项目数据集机器学习模型模型训练
LiteLlama是基于LLaMA 2的开源复现项目，将模型参数优化至460M，并使用1T规模tokens训练。采用RedPajama数据集和GPT2分词器，在MMLU等基准测试中表现良好。支持HuggingFace Transformers加载，是一款轻量级但性能优异的语言模型。该项目遵循MIT许可证开源。
MobileLLaMA-1.4B-Base - 简化的1.4B参数Transformer模型，支持快速部署
GithubHuggingfaceLLaMAMobileLLaMARedPajamaTransformers开源项目模型自然语言理解
MobileLLaMA-1.4B-Base是一款以1.3T tokens训练的1.4B参数Transformer模型，旨在降低LLaMA的参数数量以实现快速部署。通过标准语言理解和常识推理基准测试，展示其性能与最新开源模型相媲美。详细信息请参考GitHub和相关论文。
Llama-2-70b-hf - Meta开发的70亿参数开源大语言模型 支持多样化自然语言处理任务
GithubHuggingfaceLLAMA 2人工智能大语言模型开源开源项目模型自然语言处理
Llama-2-70b-hf是Meta开发的70亿参数大语言模型,基于优化的Transformer架构,支持4k上下文长度。模型在2万亿token公开数据上预训练,通过监督微调和人类反馈强化学习实现对话能力。在多项基准测试中表现优异,适用于对话、问答、推理等自然语言处理任务。作为开源发布的基础模型,为学术研究和商业应用提供了有力支持。
LIMA-13b-hf - 基于Transformer架构的自动回归语言模型，用于自然语言处理的研究
GithubHuggingfaceLLaMA偏见评估大语言模型开源项目模型模型性能自然语言处理
LLaMA是由Meta AI的FAIR团队开发的基于Transformer架构的自动回归语言模型，专为自然语言处理和机器学习研究人员而设计。该模型提供7B、13B、33B和65B参数的多种规格，支持问答和自然语言理解等研究用途，并注重偏见和有害内容生成的评估与减少。虽然使用20种语言进行训练，但其在英语文本处理上表现更佳。LLaMA被定位为AI研究基础工具，不建议直接应用于未经评估的下游应用。
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。

使用协议隐私政策广告服务
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