Project Icon

Mistral-NeMo-Minitron-8B-Base

高效压缩的大规模语言模型适用于多种自然语言生成任务

Mistral-NeMo-Minitron-8B-Base是一个经过剪枝和蒸馏的基础文本生成模型。它采用4096维嵌入、32个注意力头、11520维MLP中间层和40层结构,结合分组查询注意力和旋转位置编码技术。该模型在MMLU等基准测试中表现优异,适用于多种自然语言生成任务。支持8k字符输入,可通过Transformers库轻松使用。

Ministral-8B-Instruct-2410-GGUF - 多语言开源大模型的精简量化版本
GithubHuggingfaceMistralllama.cpp大型语言模型开源项目推理模型量化
本项目提供Mistral AI的Ministral-8B-Instruct-2410模型的多种量化版本。使用llama.cpp进行量化,包含从16GB的F16全精度版本到4.45GB的IQ4_XS版本,适合不同硬件和性能需求。量化模型采用imatrix选项和特定数据集生成,可在LM Studio运行。项目详细介绍了各版本的文件大小、特点及模型提示格式,方便用户选择合适的版本。
h2o-danube3-500m-base - 500M参数的大规模语言模型,支持离线文本生成
GPTGithubH2O.aiHuggingface大语言模型开源项目模型模型架构转化器
由H2O.ai推出的h2o-danube3-500m模型,是一个大规模语言模型,采用Llama 2架构调整及500M参数设计。模型支持原生离线运行,尤其适用于手机设备,并集成Mistral分词器,拥有32,000词汇量及8,192长度的上下文生成能力。在支持transformers库的环境中,模型可在GPU设备上有效运行,并且支持量化和多GPU分片处理。重要提醒用户在使用模型生成的内容时保持审慎态度并自行承担责任。
Mistral 7B - Mistral 7B及衍生模型全面指南
AI工具Mistral 7B人工智能大语言模型开源模型自然语言处理
本站聚焦Mistral 7B开源语言模型,提供模型介绍、部署指南和在线体验。汇集微调版本导航、使用教程和研究动态,是Mistral 7B相关资源的综合参考平台。
Ministral-3b-instruct-GGUF - 更高效的量化语言模型,为文本生成带来显著性能提升
Apache 2.0GithubHuggingfaceNLPtransformers开源项目模型模型量化语言模型
Ministral-3b-instruct-GGUF是一个基于llama.cpp的高效量化模型,专为Ministral系列的3B参数设计优化,并从Mistral-7B进行微调。它使用混合数据集,主要用于英语文本生成。通过量化技术,该模型在保持精度的同时,显著减少了存储和计算需求,理想应用于高效文本生成场景。项目遵循Apache 2.0许可协议,以确保合规使用。
MiniLM-L12-H384-uncased - 轻量快速的预训练语言模型实现BERT级别性能表现
BERTGithubHuggingfaceMiniLM开源项目模型模型压缩深度学习自然语言处理
MiniLM-L12-H384-uncased通过模型压缩技术将参数量降至33M,在保持与BERT相当性能的同时,运行速度提升2.7倍。模型在SQuAD 2.0和GLUE等自然语言理解任务中表现出色,可直接替代BERT,适用于对模型体积和运行效率敏感的场景。
Mistral-Nemo-Instruct-2407-GPTQ - 基于Mistral-Nemo的轻量级4比特量化指令模型
Apache许可证GPTQGithubHuggingFaceHuggingfaceMistral-Nemo-Instruct-2407开源项目模型量化模型
Mistral-Nemo-Instruct-2407-GPTQ是基于Mistral-Nemo-Instruct-2407的量化版本。该模型采用4比特GPTQ技术进行压缩,配合128的分组大小和ExLlama设置,在保持性能的同时显著减小了模型体积。项目提供了完整的量化参数和源代码链接,为开发者提供了一个兼具效率和性能的指令型模型选择。
Mixtral-8x7B-v0.1 - 多语言预训练大语言模型 超越Llama 2 70B性能
GithubHugging FaceHuggingfaceMixtral-8x7B大语言模型开源项目模型模型优化稀疏混合专家
Mixtral-8x7B是一款预训练的生成式稀疏专家混合大语言模型,在多数基准测试中性能优于Llama 2 70B。该模型支持法语、意大利语、德语、西班牙语和英语等多语言处理。开发者可通过Hugging Face transformers库或vLLM部署使用,并可采用半精度、8位和4位量化等方法降低内存占用。作为基础模型,Mixtral-8x7B不含内置审核机制,使用时需注意。
MiniLMv2-L6-H384-distilled-from-BERT-Large - 微软开发的轻量压缩型自然语言处理模型
GithubHuggingfaceMicrosoftMiniLMv2人工智能开源项目模型深度学习自然语言处理
MiniLMv2-L6-H384-distilled-from-BERT-Large是微软开发的轻量级自然语言处理模型,通过知识蒸馏技术从BERT-Large模型压缩而来。该模型在保持性能的同时,显著降低了模型体积和计算资源需求,适合在资源受限场景下部署使用。
Mistral-Nemo-Instruct-2407-FP8 - FP8量化技术在模型优化与部署中的应用
GithubHuggingfaceMistral-Nemo-Instruct-2407-FP8开源项目模型模型优化评估部署量化
Mistral-Nemo-Instruct-2407-FP8通过FP8量化技术提升了模型的内存和体积效率,主要用于商业和研究。该模型适用于英语聊天助手,利用参数位数的减少节省约50%的资源。结合vLLM>=0.5.0的高效推理环境,优化部署性能。量化由AutoFP8完成,Neural Magic计划转向支持更多方案的llm-compressor。尽管量化后某些评测得分略有下降,但保持的性能恢复率使其成为资源效率化的优选方案。
Infinity-Instruct-3M-0613-Mistral-7B - 提升语言模型性能的开源指导调优模型
AlpacaEval2.0GithubHuggingfaceInfinity Instruct开源模型开源项目指令微调无反馈强化学习模型
Infinity-Instruct-3M-0613-Mistral-7B是一个开源的指导调优模型,无需人类反馈的强化学习。该模型在百万级指令数据集上经过微调,在AlpacaEval 2.0基准测试中取得了25.5的高分,表现优于Mixtral 8x7B v0.1、Gemini Pro和GPT-3.5。通过低成本训练提高了Mistral-7B的基础能力和对话能力,并在MT-Bench测试中表现出色。适合多样化的下游任务,该模型为研究与应用提供了良好的支持。
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

稿定AI

稿定设计 是一个多功能的在线设计和创意平台,提供广泛的设计工具和资源,以满足不同用户的需求。从专业的图形设计师到普通用户,无论是进行图片处理、智能抠图、H5页面制作还是视频剪辑,稿定设计都能提供简单、高效的解决方案。该平台以其用户友好的界面和强大的功能集合,帮助用户轻松实现创意设计。

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