Jbaron34 SmolLM2 135M Bebop Reranker Gguf

🚀 SmolLM2-135M-Bebop-Reranker - GGUF

このモデルは、テキストランキングに特化した🤗 transformersモデルです。QuantizationはRichard Erkhovによって行われています。

🚀 クイックスタート

• Quantization担当者: Richard Erkhov
• Github: https://github.com/RichardErkhov
• Discord: https://discord.gg/pvy7H8DZMG
• モデルリクエスト: https://github.com/RichardErkhov/quant_request

✨ 主な機能

• テキストランキングに特化したモデルです。
• 複数の量子化メソッドが用意されており、ユーザーのニーズに合わせて選択できます。

📚 ドキュメント

モデル情報

• モデル作成者: https://huggingface.co/jbaron34/
• オリジナルモデル: https://huggingface.co/jbaron34/SmolLM2-135M-Bebop-Reranker/

量子化モデル一覧

オリジナルモデル説明

このモデルは、🤗 transformersモデルのモデルカードです。このモデルカードは自動生成されています。

• 開発者: [詳細情報が必要]
• 資金提供元 (任意): [詳細情報が必要]
• 共有者 (任意): [詳細情報が必要]
• モデルタイプ: [詳細情報が必要]
• 言語 (NLP): [詳細情報が必要]
• ライセンス: [詳細情報が必要]
• ファインチューニング元モデル (任意): [詳細情報が必要]

モデルソース (任意)

• リポジトリ: [詳細情報が必要]
• 論文 (任意): [詳細情報が必要]
• デモ (任意): [詳細情報が必要]

モデルの使用方法

直接使用

[詳細情報が必要]

下流タスクでの使用 (任意)

[詳細情報が必要]

想定外の使用

[詳細情報が必要]

バイアス、リスク、制限事項

[詳細情報が必要]

推奨事項

ユーザー（直接ユーザーと下流ユーザーの両方）は、モデルのリスク、バイアス、制限事項を認識する必要があります。さらなる推奨事項については、詳細情報が必要です。

モデルの使い始め方

以下のコードを使用して、モデルを使い始めることができます。 [詳細情報が必要]

学習詳細

学習データ

[詳細情報が必要]

学習手順

前処理 (任意)

[詳細情報が必要]

学習ハイパーパラメータ

• 学習方式: [詳細情報が必要]

速度、サイズ、時間 (任意)

[詳細情報が必要]

評価

テストデータ、要因、メトリクス

テストデータ

[詳細情報が必要]

要因

[詳細情報が必要]

メトリクス

[詳細情報が必要]

結果

[詳細情報が必要]

要約

モデルの検証 (任意)

[詳細情報が必要]

環境への影響

炭素排出量は、Lacoste et al. (2019)で提示されたMachine Learning Impact calculatorを使用して推定できます。

• ハードウェアタイプ: [詳細情報が必要]
• 使用時間: [詳細情報が必要]
• クラウドプロバイダー: [詳細情報が必要]
• コンピュートリージョン: [詳細情報が必要]
• 排出された炭素量: [詳細情報が必要]

技術仕様 (任意)

モデルアーキテクチャと目的

[詳細情報が必要]

コンピュートインフラストラクチャ

ハードウェア

[詳細情報が必要]

ソフトウェア

[詳細情報が必要]

引用 (任意)

BibTeX

[詳細情報が必要]

APA

[詳細情報が必要]

用語集 (任意)

[詳細情報が必要]

その他の情報 (任意)

[詳細情報が必要]

モデルカード作成者 (任意)

[詳細情報が必要]

モデルカードの連絡先

[詳細情報が必要]