Project Icon

DARE_TIES_13B

通过合并多种预训练语言模型提升AI性能

项目通过DARE TIES方法合并预训练语言模型,使用yunconglong的Truthful DPO TomGrc FusionNet 7Bx2 MoE 13B作为基础,结合了13B DPO及13B MATH DPO模型。通过密度和权重配置,采用bfloat16和int8掩码,在计算效率和文本覆盖上均有显著提升。

Llama-3-8b-ita-ties-pro - 通过Mergekit实现的意大利语LLM模型合并及性能评价
GithubHuggingfaceLlama-3-8b-ita-ties-proMeta-Llama-3-8B-Instruct开源项目性能评估意大利LLM模型模型合并
本项目结合Mergekit工具,采用TIES方法合并了意大利语的LLM模型,虽未超越现有最佳模型,但达到了满意的效果。详细性能请参阅意大利语言模型排行榜。合并过程涉及DeepMount00/Llama-3-8b-Ita和swap-uniba/LLaMAntino-3-ANITA-8B-Inst-DPO-ITA,基准模型为meta-llama/Meta-Llama-3-8B-Instruct。模型合并使用bfloat16数据类型,并对参数如密度和权重进行了优化。
M7-7b - 第三方开源项目的模型合并和性能优化
ASCII艺术GithubHuggingfaceLarge Language Modelmergekit开源项目模型模型合并神经网络
M7-7b项目通过mergekit工具和slerp方法实现多个语言模型的高效合并与优化。项目提供了丰富的技术细节,包括参数设置、数据类型和合并流程等,帮助开发者在模型性能提升和应用中获得实用指导。结合liminerity/merge等模型的实例解析,展示了开源项目在AI模型整合中的创新应用,适合对模型合并技术有兴趣的专业人士了解和研究。
Twice-KoSOLAR-16.1B-test - 使用深度扩展技术优化SOLAR语言模型性能
GithubHuggingfaceTwice-KoSOLAR-16.1B-test合并技术开源项目性能评估模型深度上采样自然语言处理
本页面介绍了Depth-Up-Scaling方法如何提升大规模语言模型(LLM)的性能,通过合并Mistral 7B模型权重与持续预训练,SOLAR-10.7B模型在多项自然语言处理任务中表现优异,超越某些30B参数模型。本文比较了不同模型性能,展示了SOLAR-10.7B在多样化调优场景中的适应性和鲁棒性。
Stellar-Odyssey-12b-v0.0 - 语言模型合并的先锋工具
GithubHuggingfaceStellar Odysseymergekittransformers合并模型开源项目模型语言模型
Stellar Odyssey 12b v0.0项目使用mergekit和della_linear方法,将Mistral-Nemo-Base-2407与MN-12B系列等多个语言模型成功整合,结合不同模型的特点,提高了性能表现。目前项目处于测试阶段,在此感谢AuriAetherwiing的技术支持。
PowerMoE-3b - 创新型AI模型提升文本生成精准度
GithubHuggingfacePowerMoE-3Btransformers开源项目文本生成模型稀疏组合专家
PowerMoE-3B是一种稀疏Mixture-of-Experts语言模型,优化于多任务文本生成精度。模型利用Power学习率调度器,每个token激活800M参数,在自然语言、多重选择、代码生成和数学推理任务上表现出色。适用于不同数据集的混合训练,提供高效的文本生成方案。
deepseek-moe-16b-base - 采用稀疏混合专家架构的开源大语言模型
DeepSeek MoEGithubHuggingface人工智能代码生成开源项目机器学习模型模型训练
DeepSeek MoE 16B Base是一个基于稀疏混合专家(MoE)架构的开源大语言模型,支持商业应用。模型使用bfloat16格式,可通过Transformers库调用,擅长文本生成和补全。它采用查询-键值对映射的注意力机制,高效处理自然语言处理任务。该项目遵循MIT许可,提供详细文档和示例代码,便于开发者集成使用。
SwallowMaid-8B-L3-SPPO-abliterated - 多语言模型合并实现角色扮演与写作能力增强
GithubHuggingfaceLlama-3SwallowMaid-8B-Llama-3-SPPO-abliteratedtoken模型融合合并模型开源项目模型深度学习
SwallowMaid-8B-L3-SPPO-abliterated项目通过mergekit工具多步骤合并多种预训练语言模型,提升模型整体性能及角色扮演功能。该项目结合Llama-3-Instruct-abliteration-LoRA-8B等模型,采用线性和任务算术方法,并注入35% RP-Mix向量方向,增强角色扮演与叙事能力,同时保留Meta's Llama-3-Instruct微调特质,提升人机交互体验。
COKAL-DPO_test-v2-13b - 采用LLaMA2架构的13B规模自动回归语言模型
COKAL-DPO_test-v2GithubHuggingfacetransformers开源项目模型模型开发训练数据集语言模型
模型由韩国公司Media Group Saramwa Soop与Marker合作开发,基于LLaMA2变压器架构,具备文本生成能力。基础模型为COKAL_pre_DPO_Test_v1-13b,采用DPO及SFT私有数据集训练,适用于多种文本生成任务。该研究项目由韩国科学技术信息通信部和光州广域市资助,旨在推动人工智能产业集群发展。
NeuralMonarch-7B - 基于Mistral架构的7B参数大语言模型在多项基准测试中展现卓越性能
GithubHuggingfaceNeuralMonarch-7B人工智能模型开源项目模型深度学习自然语言处理语言模型
NeuralMonarch-7B是基于Monarch-7B开发的开源语言模型,通过DPO技术微调并使用LazyMergekit整合多个基础模型。在Nous基准测试中获得62.73分的平均成绩,支持8k上下文窗口,专注于指令理解和逻辑推理能力。模型提供GGUF量化版本,可用于聊天及推理等多种应用场景。
DiT-MoE - 16亿参数规模的稀疏化扩散Transformer模型
DiT-MoEGithub图像生成开源项目扩散模型深度学习混合专家
DiT-MoE项目采用混合专家模型,将扩散Transformer扩展至16亿参数规模。作为扩散Transformer的稀疏版本,DiT-MoE在保持与密集网络相当性能的同时,实现了高效的推理。项目提供PyTorch实现、预训练权重和训练/采样代码,并包含专家路由分析和Hugging Face检查点。通过混合专家方法,DiT-MoE在模型扩展和推理优化方面展现出显著优势。
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。

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