APMIC/Llama-Primus-Nemotron-70B-Instruct-nvfp4
ACE-Primus-Nemotron-70B-Instruct-nvfp4 Model Description ACE-Primus-Nemotron-70B-Instruct-nvfp4 is a production-ready, enterprise-grade large language model developed through a collaborative effort between APMIC and Trend Micro’s cybersecurity AI re...
Thành tựu nổi bật
Những danh hiệu mới nhất của dự án
#1 Repository Của Tuần
#1 Repository Của Tuần
#5 Repository Của Tuần
🛡️ Model 70B chuyên an ninh mạng, được lượng tử hóa NVFP4 để chạy hiệu quả trên GPU NVIDIA
Llama-Primus-Nemotron 70B được tối ưu NVFP4, phục vụ suy luận hiệu năng cao cho SOC và nền tảng an ninh mạng doanh nghiệp.
Đây là mô hình ngôn ngữ lớn 70B do APMIC và đội nghiên cứu AI của Trend Micro hợp tác phát triển. Nó dựa trên Llama-Primus-Nemotron-70B-Instruct của Trend-Cybertron, vốn tiếp tục huấn luyện và fine-tune trên Llama-3.1-Nemotron-70B-Instruct của NVIDIA với dữ liệu an ninh mạng mở và bộ chỉ dẫn chuyên gia. APMIC thực hiện lượng tử hóa NVFP4 và tối ưu phần cứng để hỗ trợ suy luận hiệu quả trên GPU NVIDIA thế hệ mới.
✨ Điểm nổi bật
- Chuyên sâu an ninh mạng: nâng cao kiến thức threat intelligence, lý luận về lỗ hổng và chỉ báo mối đe dọa so với baseline NVIDIA Nemotron.
- Lượng tử hóa NVFP4: giảm đáng kể footprint bộ nhớ và băng thông, đồng thời giữ chất lượng reasoning và instruction-following.
- Hiệu năng doanh nghiệp: phù hợp suy luận throughput cao trong nền tảng an ninh mạng doanh nghiệp.
- Tích hợp SOC: hỗ trợ đưa vào workflow Security Operations Center.
- Triển khai GPU NVIDIA: tối ưu cho hạ tầng GPU NVIDIA hiện đại và khả năng mở rộng.
- Hợp tác APMIC × Trend Micro: kết hợp mô hình chuyên domain với tối ưu triển khai.
💡 Vì sao đáng chú ý
Điểm khác biệt là kết hợp chuyên sâu domain an ninh mạng với tối ưu phần cứng NVFP4, giúp mô hình lớn 70B vẫn khả thi cho môi trường production. Điều này phù hợp khi cần cả chất lượng reasoning chuyên ngành lẫn hiệu năng suy luận cao.
#Cybersecurity #Nemotron #NVFP4 #APMIC #TiniX
Dự án tương tự
Khám phá các dự án và mô hình AI khác có sự tương đồng.
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...
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...
Model Details Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes. The Llama 3 instruction tuned models are optimized for dia...
Model Details Meta developed and released the Meta Llama 3 family of large language models (LLMs), a collection of pretrained and instruction tuned generative text models in 8 and 70B sizes. The Llama 3 instruction tuned models are optimized for dia...
all-MiniLM-L6-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 search. Usage (Sentence-Transformers) Using t...
LTX-2.5 — Video, Audio & World Simulation Full control and customization — self-host on your infrastructure. Homepage Docs GitHub Research API Playground Discord LTX License LTX-2.5 — Video, Audio & World Simulation Full control and customiz...
!FLUX.1 dev Grid(./devgrid.jpg) FLUX.1 dev is a 12 billion parameter rectified flow transformer capable of generating images from text descriptions. For more information, please read our blog post(https://blackforestlabs.ai/announcing-black-forest-la...
Cross-Encoder for MS Marco This model was trained on the MS Marco Passage Ranking(https://github.com/microsoft/MSMARCO-Passage-Ranking) task. The model can be used for Information Retrieval: Given a query, encode the query will all possible passages...