fairseq-dense-125M
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели со 125M параметрами из статьи «Эффективное крупномасштабное языковое...
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели со 125M параметрами из статьи «Эффективное крупномасштабное языковое...
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели с параметрами 1,3B из статьи «Эффективное крупномасштабное языковое...
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели с 355M параметрами из статьи «Эффективное крупномасштабное языковое...
WangChanGLM — это многоязычный Facebook XGLM-7.5B с точной настройкой инструкций, использующий коммерчески допустимые наборы данных с открытым исходным...
WangChanGLM — это многоязычный Facebook XGLM-7.5B с точной настройкой инструкций, использующий коммерчески допустимые наборы данных с открытым исходным...
XGLM-2.9B — это многоязычная авторегрессионная языковая модель (с 2,9 миллиардами параметров), обученная на сбалансированном корпусе разнообразного набора языков,...
Fairseq-dense 2.7B-Nerys — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2500...
Fairseq-dense 13B-Janeway — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2210...
Fairseq-dense 13B-Nerys — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2500...
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели с 13B параметрами из статьи «Эффективное крупномасштабное языковое...