nvidia_-_Mistral-NeMo-Minitron-8B-Base-gguf

nvidia_-_Mistral-NeMo-Minitron-8B-Base-gguf 项目介绍

项目概述

NVIDIA 的 Mistral-NeMo-Minitron-8B-Base 是一个大型语言模型，用于自然语言生成任务。这个模型是通过剪枝和蒸馏技术从 Mistral-NeMo 12B 中提取和优化而来，专注于文本到文本的转换任务。它运用了最新的技术，包括组查询注意力（GQA）和旋转位置嵌入（RoPE）等先进的架构设计。

模型构建

Mistral-NeMo-Minitron-8B-Base 模型的嵌入尺寸为 4096，具有 32 个注意力头和一个中间层尺寸为 11520 的全连接层，共包含 40 层结构。其背后的架构类型是 Transformer 解码器，用于自回归语言建模。

数据集与训练

该模型训练使用了 3800 亿个标记符，数据集包含了英文及多语言文本，涵盖网页、对话、文章等各种文档类型，涉及法律、数学、科学、金融等多种领域。训练数据的收集和标注是通过自动化完成的。

模型性能

• 语言理解性能： 在多任务语言理解任务中，5-shot 测试结果为 69.5。
• 代码生成性能： 在 MBPP 测试中获得 43.77 的分数。
• 零样本评估： 在 HellaSwag、Winogrande 等多个数据集上的表现也十分出色。

推理与软件集成

对于推理部分，该模型可以运行在 TensorRT-LLM 引擎上，适合在 NVIDIA A100 硬件上进行测试，支持 Linux 操作系统。开发者可以通过指定的代码进行推理来生成文本输出。

限制与伦理考量

需注意，这个模型可能含有从互联网抓取的数据中继承的偏见、毒性语言等不当内容。这可能导致模型输出不够准确或不符合社会期望。为保障 AI 的可信性，NVIDIA 提倡开发者在使用模型时结合具体的行业要求和用例，以防止潜在的滥用。

继续阅读与参考

有关模型更详细的技术细节和使用指南，请参考 相关技术报告 以及 NVIDIA 的开放模型许可协议 中的信息。

除了模型信息外，模型的量化版本也提供多种选择，每种版本具有不同的量化方法和大小，可以根据需求选择使用。更多模型的请求可以通过 Richard Erkhov 的 Github 页面 提出。

如果你对模型安全性或其他问题有疑虑，请通过 NVIDIA 安全漏洞提交平台 进行报告。