Project Icon

Qwen2.5-Math-7B-Instruct-bnb-4bit

Qwen2.5-Math利用CoT与TIR技术提升中英文数学问题解决能力

该系列在Qwen2的基础上整合链式思维(CoT)与工具集成推理(TIR),增强了中英文数学解决能力。Qwen2.5-Math提供基础、指令调优和数学奖励模型,性能较前代版提升显著,特别是在数学基准测试中。建议使用最新版本的transformers进行安装和推理,配备丰富的交互式Notebook示例,便于用户快速上手。

Llama-2-70B-Chat-AWQ - 基于AWQ的4位量化法优化多用户环境推理效率
AI助手GithubHuggingfaceLlama 2Meta开源项目性能优化模型量化
AWQ是一种高效的四位量化方法,能够提升Transformer的推理速度。结合vLLM,该方案在多用户服务器中实现高吞吐量的并发推理。AWQ的优势包括支持使用较小的GPU进行运行,简化部署要求并降低整体成本。例如,一个70B模型可在一台48GB的GPU上运行,而无需使用两台80GB设备。尽管目前整体吞吐量仍低于未量化模型,AWQ提供了更灵活的硬件选择。
EfficientQAT - 高效量化训练技术助力大型语言模型压缩
EfficientQATGithubPyTorch大语言模型开源项目模型压缩量化训练
EfficientQAT是一种针对大型语言模型的量化训练技术。该技术采用两阶段训练方法,包括分块训练所有参数和端到端训练量化参数,在压缩模型大小的同时保持性能。EfficientQAT支持GPTQ和BitBLAS等多种量化格式,已成功应用于Llama和Mistral等模型系列,有效降低模型存储需求,为大型语言模型的部署提供了实用方案。
AI-Math-Notes - 手写数学方程实时识别计算应用
AI绘图GithubOpenAITkinter交互式应用开源项目数学计算
AI-Math-Notes是一款交互式数学应用,支持用户在画布上手写数学方程。该应用利用多模态大语言模型识别方程并计算结果,实时在等号旁显示。基于Python和Tkinter开发,具备直观的界面和图像处理功能。适用于基本和复杂方程计算,为数学学习和教学提供实用工具。
Meta-Llama-3-8B-Instruct-GPTQ-4bit - 4位量化Llama 3指令模型实现轻量级高性能自然语言处理
GithubHuggingfacetransformers开源项目机器学习模型模型卡片模型评估自然语言处理
Meta-Llama-3-8B-Instruct-GPTQ-4bit是基于Llama 3架构的4位量化大型语言模型。通过GPTQ量化技术,该模型显著减小了体积和内存占用,同时维持了良好性能。它特别适合在资源受限环境下运行,如移动设备和边缘计算设备。该模型可用于文本生成、问答和对话等多种自然语言处理任务。研究者和开发者可以利用Hugging Face Transformers库轻松部署该模型进行推理或进一步微调。
Codestral-22B-v0.1-IMat-GGUF - Codestral-22B-v0.1量化模型及IMatrix文件下载指南
Codestral-22B-v0.1GithubHuggingfaceIMatrix下载步骤代码生成开源项目模型量化
Codestral-22B-v0.1项目提供了多种量化版本,包括Q8_0、Q6_K、Q4_K等,并支持IMatrix数据集的应用。用户可通过huggingface-cli下载这些文件,对于较大的文件,可使用gguf-split工具进行合并。更新版本修复了FIM标记缺失,并通过部分量化方法提升性能。项目涵盖的量化文件类型多样且灵活,满足不同的应用需求。
Behemoth-123B-v1-GGUF - 多种量化策略优化文本生成模型效率
Behemoth-123B-v1GithubHuggingface开源项目性能优化文本生成模型模型下载量化
Behemoth-123B-v1-GGUF 项目运用 Llamacpp imatrix 技术进行模型量化,支持从 Q8_0 到 IQ1_M 的多种格式,适应不同硬件环境。项目涵盖多种文件种类,量化质量和大小各异,从高质到低质,满足多样使用需求。用户可根据 RAM 和 VRAM 选择合适文件,平衡速度与质量的追求。Q8_0 格式在嵌入和输出权重方面的质量表现突出,而适用于 ARM 芯片的 Q4_0_X_X 格式则显著提升运算速度,尤其适合低内存硬件。
MathPile - 数学预训练数据集
GithubMathPile开源项目数学推理数学语料库预训练高质量数据
本页面介绍了MathPile,这是一个专注于数学领域的高质量大规模预训练数据集,包含约95亿个标记。MathPile整合了来自教科书、arXiv、Wikipedia等多种来源的数据,确保了内容的多样性和覆盖面。项目注重数据质量,采用严格的预处理和过滤,并提供详细的数据文档和质量注释。MathPile旨在提升语言模型在数学推理方面的能力,同时页面也提供了项目的最新动态、技术报告、使用限制和许可证信息。
aimo-progress-prize - 开源AI数学奥林匹克解决方案
AI数学奥林匹克GithubNuminaMath大语言模型工具集成推理开源项目数学问题解决
aimo-progress-prize项目提供了一套AI数学奥林匹克解决方案,包含DeepSeekMath-Base 7B模型微调方法、数据集和自一致性解码算法。项目使用TRL、PyTorch等库,在8个H100 GPU上10小时内完成训练。仓库包括安装指南、训练方法和代码结构说明,为AI数学研究提供参考资源。
Progressive-Hint - 提升大型语言模型推理能力的新方法
GithubProgressive-Hint Prompting大语言模型开源项目推理能力提示工程数学问题解决
Progressive-Hint项目开发了一种名为PHP的新方法,通过渐进式提示增强大型语言模型的推理能力。这种方法简单有效,可与Chain-of-Thought和Self-Consistency等现有技术结合。PHP在AQuA、SVAMP、GSM8K和MATH等多个推理数据集上展现出卓越性能,尤其在GSM8K数据集上结合Self-Consistency达到96.5%的最佳成绩。项目提供开源PyTorch实现,为研究人员和开发者提供了实用工具。
internlm-xcomposer2d5-7b-4bit - 简化大型语言模型的文本与图像处理新纪元
4位量化模型GithubHuggingfaceInternLM-XComposer开源项目文本图像理解模型视频理解长上下文能力
InternLM-XComposer2.5在文本与图像理解领域展现非凡性能,其应用灵活性媲美GPT-4V,仅靠7B参数即可完成复杂任务。模型通过24K图文上下文训练与96K扩展能力,适用于大量输入输出任务。此外,项目提供了4-bit量化模型来有效降低内存消耗,并支持使用Transformers快速集成,涵盖从视频理解到多图对话的多种应用场景。
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