Project Icon

SciPhi-Mistral-7B-32k

基于Mistral-7B-v0.1增强科学推理与教育能力的AI模型

SciPhi-Mistral-7B-32k是从Mistral-7B-v0.1微调而来的大型语言模型,通过四轮微调和超过十亿个token的数据集,实现了卓越的科学推理及教育能力。其特点包括采用变压器架构、组内查询注意力、滑窗注意力,并支持字节回退BPE分词器。SciPhi-Self-RAG-Mistral-7B-32k当前可用,具体细节可查看相关文档。

Mistral-Nemo-12B-ArliAI-RPMax-v1.2-GGUF - 结合多样性与去重复性的高级创意写作AI模型
AI模型ArliAI-RPMaxGithubHuggingfaceMistral Nemo创意写作开源项目数据集去重模型
该项目以多样性与去重复性为核心,适合创意写作,增强模型对多角色与多情境的理解和反应能力。v1.2版本在Mistral Nemo 12B基础上,剔除了非创意内容,并增强了数据集的去重和过滤。通过大规模创意与角色扮演数据集的优化训练,该模型展现出非凡的创新性和低重复性。具体培训细节包括低学习率与低梯度累积,以最大化学习效率。此版本提供FP16和GGUF等量化格式,适应多样需求。
SeaLLM-7B-v2 - 东南亚多语言大模型的新选择
GPT-3.5GithubHuggingfaceSeaLLM-7B-v2东南亚语言多语言开源项目数学推理模型
SeaLLM-7B-v2是一款经过多语言优化的开源大模型,专注于提升东南亚语言的推理能力。与前代 SeaLLM-13B 相比,该模型体积减小一半,但性能表现更出色,特别是在78.2分的GSM8K零样本推理任务中领先同类产品,并在多种语言的数学推理测试中超过GPT-3.5。凭借其稳健的多语言支持和开源特性,SeaLLM-7B-v2在数学推理、常识推理和多语言知识评估等多个领域中展示了强大的应用潜力,成为多语言文化与技术研究的有力工具。
Tess-v2.5-Phi-3-medium-128k-14B - 提高大型语言模型指令处理的效率与准确性
AxolotlGithubHuggingfacemicrosoft/Phi-3-medium-128k-instruct中等模型开源开源项目模型
Tess-v2.5-Phi-3-medium-128k-14B基于微软的Phi-3模型,利用Axolotl平台提升其指令理解和生成能力。通过优化模型结构,提高用户交互的精准性,从而提升文本生成质量。
SmolLM-360M - 3.6亿参数的高效语言模型 专注常识推理和知识理解
GithubHuggingfaceSmolLM人工智能开源项目模型模型训练神经网络语言模型
SmolLM-360M是一款拥有3.6亿参数的高效语言模型,基于Cosmo-Corpus数据集训练而成。该模型利用Cosmopedia v2合成教材、Python-Edu教育样本和FineWeb-Edu网络教育资源等高质量数据,在常识推理和世界知识等多项基准测试中表现出色。SmolLM-360M支持CPU/GPU部署,并提供8位和4位量化版本以优化内存使用。这款模型主要面向英语内容生成和理解,可作为AI辅助工具在多种场景中应用。
mistral-7b-instruct-v0.2-bnb-4bit - 使用Unsloth技术优化模型微调,显著提升性能并减少内存占用
GithubHuggingfaceMistralUnsloth开源项目性能优化数据集机器学习模型
该项目介绍了一种运用Unsloth技术的模型微调方法,使Mistral、Gemma、Llama等模型实现2-5倍的速度提升,并减少70%的内存使用。用户可通过在Google Colab或Kaggle运行免费笔记本,轻松获得经过优化的模型。工具初学者友好,支持多种微调和导出格式,如GGUF、vLLM,及上传至Hugging Face,满足不同用户的需求。
nvidia_-_Mistral-NeMo-Minitron-8B-Base-gguf - Mistral-NeMo-Minitron-8B-Base模型实现高效自然语言生成
GithubHuggingfaceMistral-NeMo-Minitron-8B-BaseNVIDIA开源项目模型自然语言生成语料库量化
NVIDIA 的 Mistral-NeMo-Minitron-8B-Base 模型运用压缩和蒸馏技术,为自然语言生成任务提供解决方案。该模型通过修剪和蒸馏 Mistral-NeMo 12B,在 3800 亿个词标中完成训练,适用于多领域文本转换,并支持 NeMo 24.05 引擎,兼容 NVIDIA 多种硬件架构。
MIstral-QUantized-70b_Miqu-1-70b-iMat.GGUF - 优质法语对话能力的70B模型,适用于大容量VRAM
GithubHuggingfaceMiqu 1 70bMistral AI上下文大小开源项目模型法语量化
Miqu 1 70b是Mistral Medium Alpha的一个模型,由Mistral AI公司开发,适合法语使用者。该模型在法语对话中表现出色,智能性能与精调的Llama 2 70b相当,并倾向于避免过拟合。Miqu提供多种量化格式,Q4_K_S和Q3_K_M在48GB和36GB VRAM上支持完全卸载,满足大容量VRAM用户需求。虽然Miqu与CodeLlama 70b有相同的100万theta值,但在实验中证明其最大上下文能力为32k,相较于4k更具优势,并提供较低的周转率。
mistral.rs - 支持多种设备、模型量化的大型语言模型(LLM)推理平台,配备与Open-AI API兼容的HTTP服务器和Python绑定
GithubHTTP服务器LLM推理Python APImistral.rs开源项目模型量化
mistral.rs是一款支持多种设备、模型量化的大型语言模型(LLM)推理平台,配备与Open-AI API兼容的HTTP服务器和Python绑定,提供快速、精确的模型推理服务。平台支持文本和视觉模型,如AnyMoE、Llama等,采用LoRA技术和动态适配器,提高推理效率。用户可通过API在多种加速器上部署模型,实现快速计算和灵活应用。
Play-with-LLMs - 一系列关于大型语言模型的训练、评估和应用的详细指南
GithubLLM应用Mistral-8x7b-Instruct中文实现大型语言模型开源项目模型微调
Play-with-LLMs提供一系列关于大型语言模型的训练、评估和应用的详细指南,涉及RAG、Agent、Chain等多种结构,包括多个实用案例和应用代码。项目旨在帮助开发者迅速掌握并深入理解大型语言模型。
Chinese-Mixtral-8x7B - 增强中文编解码能力的开源大模型
Chinese-Mixtral-8x7BGithubMoE模型增量预训练开源项目推理加速模型下载
Chinese-Mixtral-8x7B通过中文扩词表和增量预训练,提高了在中文编解码和生成理解能力。项目提供完整的开源模型及预训练代码,支持QLoRA训练和多种推理加速方案。其在中文知识和理解上的表现卓越,同时在英文方面也表现不俗,适用于各种中文自然语言处理应用场景。
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

白日梦AI

白日梦AI提供专注于AI视频生成的多样化功能,包括文生视频、动态画面和形象生成等,帮助用户快速上手,创造专业级内容。

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

讯飞绘镜

讯飞绘镜是一个支持从创意到完整视频创作的智能平台,用户可以快速生成视频素材并创作独特的音乐视频和故事。平台提供多样化的主题和精选作品,帮助用户探索创意灵感。

Project Cover

讯飞文书

讯飞文书依托讯飞星火大模型,为文书写作者提供从素材筹备到稿件撰写及审稿的全程支持。通过录音智记和以稿写稿等功能,满足事务性工作的高频需求,帮助撰稿人节省精力,提高效率,优化工作与生活。

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

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