PleIAs/Pleias-Pico-GGUF
This model is the official GGUF version of https://huggingface.co/PleIAs/Pleias-Pico Pleias-Pico. The conversion is unquantized and should yield the same generation quality as the original model....
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tháng
#1 Repository Của Tháng
#1 Repository Của Tháng
🚀 Bản GGUF chính thức của Pleias-Pico — Sinh tạo đa ngôn ngữ trên CPU
Bản chuyển đổi GGUF không quantize, giữ nguyên 100% chất lượng sinh tạo từ Pleias-Pico gốc.
Đây là phiên bản GGUF chính thức của mô hình Pleias-Pico do nhóm PleIAs phát triển. Quy trình chuyển đổi không sử dụng quantize nào, đảm bảo kết quả sinh tạo giống hệt với mô hình gốc. Mô hình được huấn luyện trên bộ dữ liệu PleIAs/common_corpus và hỗ trợ 9 ngôn ngữ Latinh: tiếng Anh, Pháp, Đức, Ý, Tây Ban Nha, Hà Lan, Latin, Ba Lan và Bồ Đào Nha.
✨ Điểm nổi bật
- Bản GGUF chính thức: Phiên bản GGUF duy nhất được xác nhận bởi nhóm phát triển PleIAs
- Không quantize: Giữ nguyên toàn bộ trọng lượng mô hình, không mất thông tin
- Chất lượng sinh tạo tương đương: Kết quả sinh tạo giống mô hình gốc Pleias-Pico
- Hỗ trợ 9 ngôn ngữ: en, fr, de, it, es, nl, la, pl, pt
- Tương thích CPU: Chạy hiệu quả trên phần cứng không có GPU nhờ định dạng GGUF
- Mã nguồn mở: Giấy phép Apache-2.0, tự do sử dụng cho mục đích thương mại và nghiên cứu
- Dễ tích hợp: Tương thích với các framework hỗ trợ GGUF như llama.cpp, ollama, v.v.
💡 Vì sao đáng chú ý
Pleias-Pico là một mô hình ngôn ngữ lớn nhỏ gọn (small language model) được thiết kế để chạy trên CPU một cách hiệu quả. Việc cung cấp bản GGUF chính thức giúp người dùng dễ dàng triển khai mô hình này trên môi trường có giới hạn GPU. Đặc biệt, việc chọn không quantize đảm bảo chất lượng sinh tạo không bị suy giảm — một lợi thế so với các bản quantize khác thường gây mất thông tin.
Đây là lựa chọn lý tưởng cho các nhà phát triển muốn triển khai ứng dụng ngôn ngữ đa ngôn ngữ trên phần cứng tiêu chuẩn, hoặc cho nghiên cứu sinh viên cần một nền tảng ổn định để thí nghiệm với LLM đa ngôn ngữ.
#GGUF #PleiasPico #MultiLanguage #CPUInference #OpenSource #TiniX
Similar Projects
Discover other similar projects and AI models.
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
sentence-transformers/paraphrase-multilingual-MiniLM-L12-v2 This is a sentence-transformers(https://www.SBERT.net) model: It maps sentences & paragraphs to a 384 dimensional dense vector space and can be used for tasks like clustering or semantic se...
Whisper Whisper is a state-of-the-art model for automatic speech recognition (ASR) and speech translation, proposed in the paper Robust Speech Recognition via Large-Scale Weak Supervision(https://huggingface.co/papers/2212.04356) by Alec Radford et...
Model Information The Meta Llama 3.1 collection of multilingual large language models (LLMs) is a collection of pretrained and instruction tuned generative models in 8B, 70B and 405B sizes (text in/text out). The Llama 3.1 instruction tuned text onl...
XLM-RoBERTa (base-sized model) XLM-RoBERTa model pre-trained on 2.5TB of filtered CommonCrawl data containing 100 languages. It was introduced in the paper Unsupervised Cross-lingual Representation Learning at Scale(https://arxiv.org/abs/1911.02116)...
Multilingual-E5-large Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 24 layers and the embedding size is...
Multilingual-E5-small Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 12 layers and the embedding size is...
Whisper Whisper is a pre-trained model for automatic speech recognition (ASR) and speech translation. Trained on 680k hours of labelled data, Whisper models demonstrate a strong ability to generalise to many datasets and domains without the need for...
Multilingual-E5-base Multilingual E5 Text Embeddings: A Technical Report(https://arxiv.org/pdf/2402.05672). Liang Wang, Nan Yang, Xiaolong Huang, Linjun Yang, Rangan Majumder, Furu Wei, arXiv 2024 This model has 12 layers and the embedding size is 7...