Исходная модель: https://huggingface.co/qihoo360/TinyR1-32B-Preview. Запускайте их напрямую с помощью llama.cpp или любого другого проекта на основе llama.cpp. Изменения в Tokenizer исправляют повторяющиеся выходные данные оригинала, но приводят к потере качества. См. примечания к исходной модели здесь: https://huggingface.co/qihoo360/TinyR1-32B-Preview#hotfix Некоторые из этих квантов (Q3KXL, Q4KL и т. д.) — это стандартный метод квантования, в котором вложения и выходные веса квантуются до Q8_0 вместо того, что обычно используется по умолчанию. Если модель больше 50 ГБ, она будет разделена на несколько файлов. Чтобы загрузить их все в локальную папку, запустите: Вы можете либо указать новый локальный каталог (qihoo360TinyR1-32B-Preview-v0.1-Q80), либо загрузить их все на месте (./). Раньше вы загружали Q4044/48/8_8, и их веса чередовались в памяти, чтобы повысить производительность на машинах ARM и AVX за счет загрузки большего количества данных за один проход. Однако сейчас существует так называемая «онлайн-переупаковка» весов. подробности в этом PR. Если вы используете Q4_0 и ваше оборудование выиграет от переупаковки весов, оно сделает это автоматически на лету. Начиная с сборки llama.cpp b4282, вы не сможете запускать…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: bartowski
Теги: gguf, endpoints_compatible, imatrix, conversational
Лайков: 5 | Загрузок: 1,248
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
