大模型“套壳”事件防不胜防，有没有方法可以检测套壳行为呢？ 来自上海AI实验室、中科院、人大和上交大的学者们，提出了一种大模型的“指纹识别”方法——REEF（Representation Encoding Fingerprints）。 在不改变模型性能的前提下，利用REEF就可以精准识别未经授权的后续开发行为。 REEF依赖模型在微调后表征“不变性”的特点，基于表征编码实现对大模型的“指纹鉴别”。

Características Amplio soporte de modelos: Los API de pplx Admite modelos como Mistral 7B, Llama 13B, Código Llama 34B, y Llama 70B. EconómicoDiseñado para ser económico tanto para la implementación ...

请使用 streaming: true 和 max_steps: 10000 参数来流式加载数据集。 [23/07/29] 我们在 Hugging Face 发布了两个 13B 指令微调模型。详细内容请查阅我们的 Hugging Face 项目（LLaMA-2/ Baichuan）。 [23/07/18] 我们开发了支持训练和测试的浏览器一体化界面。请使用 train_web.py 在您的 ...

该基准测试现包括 4 种参数规模不一的模型（Phi-3.5-mini、Mistral-7B、Llama-3.1-8B 和 Llama-2-13B），可对 AI GPU 在多样化大语言模型文本生成用例中的表现进行相对公允的比较。 成绩页面 UL Solution 表示 Procyon AI 文本生成基准测试在操作上更为简易轻松，与直接使用 ...

这些模型提供了7亿（7B）和13亿（13B）参数配置，训练时使用了高达5万亿个token，采用了最先进的技术。通过改进训练稳定性、采用分阶段训练流程和整合多样化的数据集，研究人员缩小了与专有系统（如Llama 3.1）的性能差距。OLMo 2在层归一化、旋转位置嵌入和Z ...

随着人工智能技术的迅猛发展，AI文本生成作为其中一个重要应用，越来越受到业界的关注。近日，UL ...

Meta正在开发多种参数（7B、13B、33B和65B）的LLaMA。其中，LLaMA65B和LLaMA33B在1.4万亿个tokens上训练，而最小的模型LLaMA7B也经过了1万亿个tokens的训练。 蛰伏许久，Meta刚刚扔出了重磅炸弹：大家期待已久的Llama3，用了24000块GPU训练，一亮相便登上开源大模型铁王座。

LMSYS ORG 凭借 Vicuna-13B 在开源法学硕士领域取得了重大成就。这个开源聊天机器人已经通过使用公共 API 对来自 ShareGPT.com 的约 70 万个用户共享对话进行微调 LLaMA 进行了精心训练。为了确保数据质量，对话从 HTML 转换回 Markdown，并进行过滤以删除不适当或低质量的 ...

OLMo2包括了7B和13B两个参数版本，能力都相当优秀。7B版本在英语学术基准测试中超越了Meta的Llama 3.1 8B，而13B版本即使在训练时使用的计算能力较少的 ...

Los investigadores utilizaron un modelo de lenguaje de gran tamaño (LLM) Llama 13B anterior de Meta, incorporando sus propios parámetros para construir una herramienta de IA centrada en el ...

LLaMA está por lo pronto disponible en varios tamaños diferentes (65B, 33B, 13B y 7B) que están entrenados con distintas cantidades de tokens y textos en una veintena de idiomas. «LLaMA-13B supera a ...