wangchanglm-7.5B-sft-en
WangChanGLM — это многоязычный Facebook XGLM-7.5B с точной настройкой инструкций, использующий коммерчески допустимые наборы данных с открытым исходным...
Метка: xglm
wangchanglm-7.5B-sft-enth
WangChanGLM — это многоязычный Facebook XGLM-7.5B с точной настройкой инструкций, использующий коммерчески допустимые наборы данных с открытым исходным...
xglm-2.9B
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
Fairseq-dense 2.7B-Nerys — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2500...
fairseq-dense-13B-Janeway
Fairseq-dense 13B-Janeway — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2210...
fairseq-dense-13B-Nerys
Fairseq-dense 13B-Nerys — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. Данные обучения содержат около 2500...
fairseq-dense-13B
Это совместимое с преобразователями Hugging Face преобразование исходной плотной модели с 13B параметрами из статьи «Эффективное крупномасштабное языковое...
xglm-1.7B
XGLM-1.7B — это многоязычная авторегрессионная языковая модель (с 1,7 миллиарда параметров), обученная на сбалансированном корпусе разнообразного набора языков,...
xglm-4.5B
XGLM-4.5B — это многоязычная авторегрессионная языковая модель (с 4,5 миллиардами параметров), обученная на сбалансированном корпусе разнообразного набора из...
fairseq-dense-13B-Shinen
Fairseq-dense 13B-Shinen — это тонкая настройка, созданная с использованием плотной модели Fairseq MoE. По сравнению с GPT-Neo-2.7-Horni, эта...