EXAONE-3.5-2.4B-Instruct-AWQ
E
EXAONE 3.5 2.4B Instruct AWQ
简介 :
EXAONE-3.5-2.4B-Instruct-AWQ是由LG AI Research开发的一系列双语(英语和韩语)指令调优生成模型,参数范围从2.4B到32B。这些模型支持长达32K令牌的长上下文处理,并且在真实世界用例和长上下文理解方面展现出最先进的性能,同时在与近期发布的类似大小模型相比,在通用领域保持竞争力。该模型在部署到小型或资源受限设备上进行了优化,并且采用了AWQ量化技术,实现了4位群组权重量化(W4A16g128)。
需求人群 :
目标受众为需要在资源受限设备上部署高性能语言模型的开发者和研究人员,以及需要处理长文本数据和多语言支持的NLP应用开发者。EXAONE-3.5-2.4B-Instruct-AWQ因其优化的部署能力和长上下文处理能力,特别适合需要在移动设备或边缘计算环境中部署语言模型的场景。
总访问量: 29.7M
占比最多地区: US(17.94%)
本站浏览量 : 50.5K
使用场景
用于生成英语和韩语的对话回复
在资源受限的移动设备上提供语言模型服务
作为长文本处理和分析的工具,用于研究和商业智能
产品特色
支持长达32K令牌的长上下文处理能力
优化的2.4B模型,适合在资源受限的设备上部署
7.8B模型提供与前代相同的规模但性能提升
32B模型提供强大的性能
支持英语和韩语两种语言
AWQ量化技术,实现4位群组权重量化
支持多种部署框架,如TensorRT-LLM、vLLM等
使用教程
1. 安装必要的库,如transformers和autoawq
2. 使用AutoModelForCausalLM和AutoTokenizer加载模型和分词器
3. 准备输入提示,可以是英文或韩文
4. 使用tokenizer.apply_chat_template方法将消息模板化并转换为输入ID
5. 调用model.generate方法生成文本
6. 使用tokenizer.decode方法将生成的ID解码为文本
7. 根据需要调整模型参数,如max_new_tokens和do_sample,以控制生成文本的长度和多样性
AIbase
智启未来,您的人工智能解决方案智库
© 2025AIbase