bert-base-uncased
Updated 2024-11-13 09:57:34 +08:00
googlebert系列模型中的 bert-base-chinese
Updated 2024-11-13 09:30:21 +08:00
Qwen2.5-Math-7B-Instruct
Updated 2024-11-12 18:13:33 +08:00
chinese-roberta-wwm-ext-large
Updated 2024-11-12 18:12:28 +08:00
hfl Chinese BERT with Whole Word Masking
Updated 2024-11-12 17:50:36 +08:00
星辰语义大模型-TeleChat2 7b
Updated 2024-11-12 17:16:02 +08:00
internlm2-chat-1_8b
Updated 2024-11-12 14:21:31 +08:00
Llama3-Chinese-8B基于Llama3-8B的中文对话模型，由Llama中文社区和AtomEcho（原子回声）联合研发
Updated 2024-11-12 11:49:09 +08:00
CodeQwen1.5-7B-Chat
Updated 2024-11-11 18:25:13 +08:00
Qwen2-VL-7B-Instruct
Updated 2024-11-11 16:29:30 +08:00
介绍
ChatGLM2-6B 是开源中英双语对话模型 ChatGLM-6B 的第二代版本，在保留了初代模型对话流畅、部署门槛较低等众多优秀特性的基础之上，ChatGLM2-6B 引入了如下新特性：
更强大的性能：基于 ChatGLM 初代模型的开发经验，我们全面升级了 ChatGLM2-6B 的基座模型。ChatGLM2-6B 使用了 GLM 的混合目标函数，经过了 1.4T 中英标识符的预训练与人类偏好对齐训练，评测结果显示，相比于初代模型，ChatGLM2-6B 在 MMLU（+23%）、CEval（+33%）、GSM8K（+571%） 、BBH（+60%）等数据集上的性能取得了大幅度的提升，在同尺寸开源模型中具有较强的竞争力。
更长的上下文：基于 FlashAttention 技术，我们将基座模型的上下文长度（Context Length）由 ChatGLM-6B 的 2K 扩展到了 32K，并在对话阶段使用 8K 的上下文长度训练，允许更多轮次的对话。但当前版本的 ChatGLM2-6B 对单轮超长文档的理解能力有限，我们会在后续迭代升级中着重进行优化。
更高效的推理：基于 Multi-Query Attention 技术，ChatGLM2-6B 有更高效的推理速度和更低的显存占用：在官方的模型实现下，推理速度相比初代提升了 42%，INT4 量化下，6G 显存支持的对话长度由 1K 提升到了 8K。
Updated 2024-11-04 09:39:26 +08:00
General OCR Theory: Towards OCR-2.0 via a Unified End-to-end Model
Updated 2024-11-01 17:57:35 +08:00