Исходная модель: https://huggingface.co/cognitivecomputations/Dolphin3.0-R1-Mistral-24B. Запустите их напрямую с помощью llama.cpp или любого другого проекта на основе llama.cpp. Для обоснования рекомендуется использовать следующую системную подсказку: Некоторые из этих квантов (Q3KXL, Q4KL и т. д.) являются стандартным методом квантования с встраиванием и выходными весами, квантованными до Q8_0 вместо то, что они обычно используют 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 (cognitivecomputationsDolphin3.0-R1-Mistral-24B-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 файлы Q40XX, и вместо этого вам придется использовать Q40. Кроме того, если вы хотите…
Модальности:
Генерация текста
Области применения:
Диалог / чат
Задача: Генерация текста
Автор: bartowski
Теги: gguf, en, endpoints_compatible, imatrix, conversational
Лайков: 76 | Загрузок: 9,174
Описание основано на материалах HuggingFace. Перевод выполнен автоматически.
