Allura Org Remnant Glm4 32b GGUF

quantized_by: bartowski pipeline_tag: text-generation base_model: allura-org/remnant-glm4-32b license: apache-2.0 tags:

• roleplay
• conversational
• axolotl base_model_relation: quantized

allura-orgによるremnant-glm4-32bのLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5270を使用。

オリジナルモデル: https://huggingface.co/allura-org/remnant-glm4-32b

すべての量子化は、こちらのデータセットを使用したimatrixオプションで作成されました。

LM Studioで実行可能

llama.cppまたは他のllama.cppベースのプロジェクトで直接実行可能

プロンプト形式

[gMASK]<sop><|system|>
{system_prompt}<|user|>
{prompt}<|assistant|>

以下のファイルをダウンロード（ブランチ全体ではなく）:

埋め込み/出力ウェイト

これらの量子化の一部（Q3_K_XL、Q4_K_Lなど）は、埋め込みと出力ウェイトを通常のデフォルトではなくQ8_0で量子化した標準的な量子化手法です。

huggingface-cliを使用したダウンロード

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/allura-org_remnant-glm4-32b-GGUF --include "allura-org_remnant-glm4-32b-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/allura-org_remnant-glm4-32b-GGUF --include "allura-org_remnant-glm4-32b-Q8_0/*" --local-dir ./

ARM/AVX情報

以前は、Q4_0_4_4/4_8/8_8をダウンロードし、これらのウェイトはメモリ内でインターリーブされ、ARMおよびAVXマシンでのパフォーマンスを向上させるために一度により多くのデータをロードしていました。

しかし、現在はウェイトの「オンライン再パッキング」と呼ばれる機能があります。詳細はこのPRをご覧ください。Q4_0を使用し、ハードウェアがウェイトの再パッキングの恩恵を受ける場合、自動的にオンザフライで行われます。

llama.cppビルドb4282以降、Q4_0_X_Xファイルを実行できなくなり、代わりにQ4_0を使用する必要があります。

さらに、このPRのおかげで、IQ4_NLを使用してARM用にウェイトを再パッキングすることで、やや良い品質を得ることができます（現時点では4_4のみ）。ロード時間は遅くなる可能性がありますが、全体的な速度向上につながります。

どのファイルを選ぶべきか？

クレジット

imatrixキャリブレーションデータセットの作成に協力してくれたkalomazeとDampfに感謝します。

埋め込み/出力の実験にインスピレーションを与えてくれたZeroWwに感謝します。

私の仕事を支援してくれたLM Studioに感謝します。

私の仕事を支援したいですか？私のko-fiページをご覧ください: https://ko-fi.com/bartowski