dhara-250m
A 250M-parameter language model that decodes in three modes from one set of weights, following NVIDIA’s Nemotron-Labs-Diffusion: Tri-Mode...
Метка: autoregressive
bd3lm-owt-block_size4
By Marianne Arriola, Aaron Gokaslan, Justin T Chiu, Zhihan Yang, Zhixuan Qi, Jiaqi Han, Subham Sekhar Sahoo, Volodymyr...
bd3lm-owt-block_size16
Марианна Арриола, Аарон Гокаслан, Джастин Тиу, Чжихан Ян, Чжисюань Ци, Цзяци Хан, Субхам Секхар Саху, Владимир Кулешов Мы...