Sqft Phi 3 Mini 4k 50 Base Gptq

🚀 SQFTベースモデル: sqft-phi-3-mini-4k-50-base-gptq

このモデルは、低精度の疎な基礎モデルにおける低コストなモデル適応を実現するためのものです。特定の疎化手法と量子化方法を用いて構築されています。

🚀 クイックスタート

このモデルを取得するには、SQFT/run_command/phi-3-mini-4k-instruct/sparse_quantization.sh 内のコマンドを参照してください。

✨ 主な機能

• ソースモデル：microsoft/Phi-3-mini-4k-instruct
• 疎化手法：Wanda
• 疎度：50%
• 量子化：GPTQ-INT4

📚 ドキュメント

モデルソース

• リポジトリ：https://github.com/IntelLabs/Hardware-Aware-Automated-Machine-Learning/tree/main/SQFT
• 論文：
  • SQFT: Low-cost Model Adaptation in Low-precision Sparse Foundation Models
  • Low-Rank Adapters Meet Neural Architecture Search for LLM Compression

引用

@inproceedings{munoz-etal-2024-sqft,
    title = "{SQFT}: Low-cost Model Adaptation in Low-precision Sparse Foundation Models",
    author = "Munoz, Juan Pablo  and
      Yuan, Jinjie  and
      Jain, Nilesh",
    editor = "Al-Onaizan, Yaser  and
      Bansal, Mohit  and
      Chen, Yun-Nung",
    booktitle = "Findings of the Association for Computational Linguistics: EMNLP 2024",
    month = nov,
    year = "2024",
    address = "Miami, Florida, USA",
    publisher = "Association for Computational Linguistics",
    url = "https://aclanthology.org/2024.findings-emnlp.749",
    pages = "12817--12832",
}

謝辞

疎化アルゴリズム Wanda と量子化手法 GPTQ に感謝します。

📄 ライセンス

Apache-2.0