Project Icon

WizardVicuna2-13b-hf

细化Llama 2模型以优化对话生成能力

基于ehartford的wizard_vicuna_70k_unfiltered数据集,对Llama-2-13b-hf模型进行精细化训练三次,专注于对话应用的优化。该项目在开源基准测试中表现优异,并在人类评估中显示出与某些流行闭源模型相当的帮助性和安全性。为确保最佳性能,需按照指定格式使用INST和<<SYS>>标签。此模型由Meta研发,访问需遵循相关商业许可证。

Llama3.1-70B-Chinese-Chat - 中英双语优化的Llama3.1-70B指令微调模型
GithubHuggingfaceLlama3.1-70B-Chinese-Chat开源项目文本生成模型细致调整角色扮演语言模型
项目基于Meta-Llama-3.1-70B-Instruct模型,优化针对中英用户,支持角色扮演、函数调用和数学能力。模型使用超10万偏好对数据集训练,提供q3_k_m、q4_k_m、q8_0和f16 GGUF版本。使用ORPO算法进行全参数微调,并基于LLaMA-Factory框架。用户需升级transformers库以下载使用BF16模型,亦可使用GGUF模型进行多种方式推理。
Llama-2-70B-Chat-GGUF - 支持文本生成与特殊符号的先进开源模型
GithubHuggingfaceLlama 2兼容性开源项目文本生成模型模型文件量化方法
Llama 2 70B Chat项目采用全新GGUF格式,取代已弃用的GGML格式,提升标记化与特殊符号支持功能。此项目由Meta Llama 2开发,兼容多种UI与库,支持多平台GPU加速应用,在文本生成与性能方面提供明显改善。GGUF格式还具备元数据支持,具备更强的扩展性,适用于复杂多变的应用场景。
Meta-Llama-3.1-8B-Instruct-FP8-dynamic - Meta-Llama-3.1-8B的FP8量化技术优化多语言文本生成
GithubHuggingfaceMeta-Llama-3.1vLLM多语言开源项目模型模型优化量化
Meta-Llama-3.1-8B-Instruct-FP8-dynamic利用FP8量化技术优化内存使用,适用于多语言商业和研究用途,提升推理效率。该模型在Arena-Hard评估中实现105.4%回收率,在OpenLLM v1中达成99.7%回收率,展示接近未量化模型的性能表现。支持多语言文本生成,尤其适合聊天机器人及语言理解任务,且通过vLLM后端简化部署流程。利用LLM Compressor进行量化,降低存储成本并提高部署效率,保持高质量文本生成能力。
Humanish-LLama3-8B-Instruct-GGUF - 介绍模型的量化技术实现文本生成性能突破
GithubHuggingfaceHumanish-LLama3-8B-Instruct基准测试开源项目数据集文本生成模型量化
该项目通过llama.cpp进行量化,优化了模型的嵌入和输出权重,使得文本生成更加高效。模型在多个数据集上表现出色,如IFEval数据集测试中达到严格准确率64.98%。项目提供多种文件格式,支持多样化的计算资源和硬件环境,以满足不同的使用需求,包括低内存和ARM芯片的优化场景。
suzume-llama-3-8B-multilingual - Llama 3模型的多语言微调版本 提升跨语言对话性能
GithubHuggingfaceLlama 3人工智能多语言模型开源项目机器学习模型语言训练
Suzume-llama-3-8B-multilingual是基于Llama 3的多语言微调模型,经过近9万条多语言对话训练。该模型保持了Llama 3的英语能力,同时显著提升了多语言对话表现,涵盖德语、法语、日语、俄语和中文等语言。在MT-Bench多语言评测中,其成绩与顶级7B模型相当,展现了强大的跨语言对话能力。
Llama-3.2-1B-Instruct-4bit - 精简高效的多语言文本生成工具
GithubHuggingfaceLlama 3.2Meta可接受使用政策开源项目机器学习模型许可协议
Llama-3.2-1B-Instruct-4bit是从Meta的Llama 3.2-1B-Instruct模型转换为MLX格式的产品,支持包括英语、德语、法语在内的多语言文本生成。引入4bit量化技术以提升运行效率与支持更大输入扩展。提供便捷的Python接口以实现文本生成,适合对话系统和内容创作等应用。遵循Meta的社区许可协议以确保合法使用。
Meta-Llama-3.1-8B - 开源支持128K上下文的多语言大规模语言模型
GithubHuggingfaceLlama 3.1人工智能模型多语言支持大语言模型开源项目机器学习模型
Meta Llama 3.1是新一代多语言大规模语言模型系列,提供8B、70B和405B三种参数规模。模型采用优化的Transformer架构,通过SFT和RLHF提升对话能力。支持8种语言,具有128K上下文窗口,基于15T+训练数据。采用GQA技术优化推理性能,适用于商业和研究领域的文本生成任务,知识截至2023年12月。
llama2_xs_460M_experimental - 了解LLaMA与LLaMa 2的小型实验版本及其精简模型参数
GithubHuggingfaceLLaMa 2MMLUTokenization大模型开源开源项目模型
项目呈现Meta AI的LLaMA与LLaMa 2开源重现版本,并采用缩小的模型参数:llama1_s为1.8B,llama2_xs为460M。训练基于RedPajama数据集,使用GPT2Tokenizer分词,支持通过HuggingFace Transformers库直接加载以及文本生成。模型在MMLU任务中表现评估,其中llama2_xs_460M在0-shot和5-shot中分别得21.13和26.39的分数。
TinyLlama-1.1B-Chat-v1.0-llamafile - 紧凑型1.1B Llama Chat模型,适用于多种计算需求
GPUGithubHuggingfaceTinyLlama对话模型开源项目模型量化预训练
TinyLlama-1.1B-Chat经过3万亿个tokens的预训练,并在90天内优化完成。它提供API和CLI接口,采用与Llama 2相同的架构和分词器,适合内存和计算受限的环境,可以兼容多种开源项目。模型在合成数据集上的微调和与开源工具的对齐,增强了对话生成的多样性和准确性,适用于各种自然语言处理应用。
Llama-3.2-3B-Instruct - Meta开发的多语言大型语言模型 支持对话和代理任务
GithubHuggingfaceLlama 3.2Meta人工智能多语言大语言模型开源项目模型
Llama-3.2-3B-Instruct是Meta开发的多语言大型语言模型,采用优化的Transformer架构,支持1B和3B参数规模。模型通过微调和强化学习优化对话、检索和摘要能力,支持8种官方语言。具有128k上下文长度,使用分组查询注意力提高推理效率。适用于构建AI助手、知识检索等商业和研究应用。模型支持多语言扩展,可应用于更广泛的自然语言处理任务。
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