懂AI
sarashina2-7b

sarashina2-7b

该语言模型支持多语言文本生成，涵盖日语与英语

该项目的语言模型由SB Intuitions开发，支持日语和英语文本生成。训练数据来自清理后的Common Crawl和SlimPajama语料库，结合了Llama2架构和RoPE位置编码。尽管模型尚未经过指令微调，存在生成不准确或有偏见内容的可能性，但模型的基础能力为开发者提供了进一步优化和安全改进的空间。

Sarashina2-7B语言模型句子分割器训练数据模型Github开源项目文本生成Huggingface
访问官网GitHubHugging Face文档

Sarashina2-7B项目介绍

项目背景

Sarashina2-7B是由SB Intuitions所训练的一种大型语言模型。这个模型旨在支持多种语言，包括日语和英语，帮助用户通过自然语言处理技术实现更智能化的文本生成任务。Sarashina2-7B能够用于广泛的应用场景，从日常对话到复杂文本生成。

如何使用

用户可以通过Python编程语言来使用Sarashina2-7B模型。以下是一个简单的代码示例，展示了如何加载和使用这个语言模型：

import torch
from transformers import AutoModelForCausalLM, AutoTokenizer, pipeline, set_seed
 
model = AutoModelForCausalLM.from_pretrained("sbintuitions/sarashina2-7b", torch_dtype=torch.bfloat16, device_map="auto")
tokenizer = AutoTokenizer.from_pretrained("sbintuitions/sarashina2-7b")
generator = pipeline("text-generation", model=model, tokenizer=tokenizer)
set_seed(123)

text = generator(
    "おはようございます、今日の天気は",
    max_length=30,
    do_sample=True,
    pad_token_id=tokenizer.pad_token_id,
    num_return_sequences=3,
)

for t in text:
  print(t)

在这个例子中，模型可以生成关于天气的多种可能性输出，从而展示其语言生成能力。

配置参数

Sarashina2-7B采用了Llama2架构，具有以下配置：

  • 词汇表大小：102400
  • 训练用词数：2.1万亿
  • 位置类型：RoPE
  • 层数：32
  • 隐藏层维度：4096
  • 注意力头数：32

除了7B版本，还有更大体量的13B和70B版本供不同需求的用户选择。

训练语料

为构建高质量的模型，Sarashina2-7B利用了从Common Crawl语料库提取的日语数据和来自SlimPajama的英语资料作为训练数据集。为了确保数据的干净和有效，使用了CCNet和HojiChar进行数据清洗。清洗后的日语数据包含约1万亿个词。

分词技术

模型使用了SentencePiece分词器，支持一元语法模型和字节回退，并不使用日语的预分词方法，这意味着用户可以直接输入原始的日语句子进行处理。

道德考量与限制

当前，sarashina2尚未经过指导调校，因此可能会生成无意义的句子或带有偏见的内容。开发者在使用前应当考虑进一步基于人类偏好和安全考虑进行调校，以改善模型的生成质量与安全性。

使用许可

该项目使用MIT开源许可证，用户可以根据许可证内容自由使用和分发。

编辑推荐精选

讯飞智文

讯飞智文

一键生成PPT和Word，让学习生活更轻松

讯飞智文是一个利用 AI 技术的项目，能够帮助用户生成 PPT 以及各类文档。无论是商业领域的市场分析报告、年度目标制定，还是学生群体的职业生涯规划、实习避坑指南，亦或是活动策划、旅游攻略等内容，它都能提供支持，帮助用户精准表达，轻松呈现各种信息。

AI办公办公工具AI工具讯飞智文AI在线生成PPTAI撰写助手多语种文档生成AI自动配图热门
讯飞星火

讯飞星火

深度推理能力全新升级，全面对标OpenAI o1

科大讯飞的星火大模型，支持语言理解、知识问答和文本创作等多功能，适用于多种文件和业务场景，提升办公和日常生活的效率。讯飞星火是一个提供丰富智能服务的平台，涵盖科技资讯、图像创作、写作辅助、编程解答、科研文献解读等功能，能为不同需求的用户提供便捷高效的帮助，助力用户轻松获取信息、解决问题，满足多样化使用场景。

热门AI开发模型训练AI工具讯飞星火大模型智能问答内容创作多语种支持智慧生活
Spark-TTS

Spark-TTS

一种基于大语言模型的高效单流解耦语音令牌文本到语音合成模型

Spark-TTS 是一个基于 PyTorch 的开源文本到语音合成项目，由多个知名机构联合参与。该项目提供了高效的 LLM（大语言模型）驱动的语音合成方案，支持语音克隆和语音创建功能，可通过命令行界面（CLI）和 Web UI 两种方式使用。用户可以根据需求调整语音的性别、音高、速度等参数，生成高质量的语音。该项目适用于多种场景，如有声读物制作、智能语音助手开发等。

Trae

Trae

字节跳动发布的AI编程神器IDE

Trae是一种自适应的集成开发环境（IDE），通过自动化和多元协作改变开发流程。利用Trae，团队能够更快速、精确地编写和部署代码，从而提高编程效率和项目交付速度。Trae具备上下文感知和代码自动完成功能，是提升开发效率的理想工具。

AI工具TraeAI IDE协作生产力转型热门
咔片PPT

咔片PPT

AI助力，做PPT更简单！

咔片是一款轻量化在线演示设计工具，借助 AI 技术，实现从内容生成到智能设计的一站式 PPT 制作服务。支持多种文档格式导入生成 PPT，提供海量模板、智能美化、素材替换等功能，适用于销售、教师、学生等各类人群，能高效制作出高品质 PPT，满足不同场景演示需求。

讯飞绘文

讯飞绘文

选题、配图、成文，一站式创作，让内容运营更高效

讯飞绘文，一个AI集成平台，支持写作、选题、配图、排版和发布。高效生成适用于各类媒体的定制内容，加速品牌传播，提升内容营销效果。

热门AI辅助写作AI工具讯飞绘文内容运营AI创作个性化文章多平台分发AI助手
材料星

材料星

专业的AI公文写作平台，公文写作神器

AI 材料星，专业的 AI 公文写作辅助平台，为体制内工作人员提供高效的公文写作解决方案。拥有海量公文文库、9 大核心 AI 功能，支持 30 + 文稿类型生成，助力快速完成领导讲话、工作总结、述职报告等材料，提升办公效率，是体制打工人的得力写作神器。

openai-agents-python

openai-agents-python

OpenAI Agents SDK，助力开发者便捷使用 OpenAI 相关功能。

openai-agents-python 是 OpenAI 推出的一款强大 Python SDK，它为开发者提供了与 OpenAI 模型交互的高效工具，支持工具调用、结果处理、追踪等功能，涵盖多种应用场景，如研究助手、财务研究等，能显著提升开发效率，让开发者更轻松地利用 OpenAI 的技术优势。

Hunyuan3D-2

Hunyuan3D-2

高分辨率纹理 3D 资产生成

Hunyuan3D-2 是腾讯开发的用于 3D 资产生成的强大工具，支持从文本描述、单张图片或多视角图片生成 3D 模型，具备快速形状生成能力，可生成带纹理的高质量 3D 模型，适用于多个领域，为 3D 创作提供了高效解决方案。

3FS

3FS

一个具备存储、管理和客户端操作等多种功能的分布式文件系统相关项目。

3FS 是一个功能强大的分布式文件系统项目，涵盖了存储引擎、元数据管理、客户端工具等多个模块。它支持多种文件操作，如创建文件和目录、设置布局等，同时具备高效的事件循环、节点选择和协程池管理等特性。适用于需要大规模数据存储和管理的场景，能够提高系统的性能和可靠性，是分布式存储领域的优质解决方案。

下拉加载更多