LFM2.5 Q4\_0 Checkpoints from Quantization-Aware Distillation
Bild från huggingface.co
Liquid AI har släppt optimerade versioner av sin LFM2.5-modell med en teknik som kallas Quantization-Aware Distillation (QAD).
Denna metod tar en högprecisions-modell och destillerar den till en komprimerad version som använder mindre minne och kör snabbare, utan att förlora mycket kvalitet — de återfår 97 procent av den ursprungliga prestandan. Modellerna finns i fyra storlekar (från 230 miljoner till 2,6 miljarder parametrar) och är testade på uppgifter som resonemang, instruktionsföljning och verktygsanvändning. Filerna kan användas direkt med llama.cpp eller andra verktyg som stöder GGUF-formatet.
Trained with Quantization-Aware Distillation (QAD): a high-precision teacher model is distilled into a quantized student model
Läs hela hos Hugging Face →
Sammanfattningen är skriven av Vibekollen utifrån källans egen publicering. Innehållet tillhör Hugging Face.