Facebook KernelLLM GGUF

quantized_by: bartowski pipeline_tag: text-generation base_model: facebook/KernelLLM datasets:

• ScalingIntelligence/KernelBench license: other base_model_relation: quantized

facebookのKernelLLMに対するLlamacpp imatrix量子化

量子化にはllama.cppのリリースb5415を使用しています。

オリジナルモデル: https://huggingface.co/facebook/KernelLLM

すべての量子化はimatrixオプションを使用し、データセットはこちらから取得しました。

LM Studioで実行可能です。

llama.cppまたは他のllama.cppベースのプロジェクトで直接実行できます。

プロンプト形式

<|begin_of_text|><|start_header_id|>system<|end_header_id|>

{system_prompt}<|eot_id|><|start_header_id|>user<|end_header_id|>

{prompt}<|eot_id|><|start_header_id|>assistant<|end_header_id|>

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に量子化した標準的な量子化方法です。

huggingface-cliを使用したダウンロード

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/facebook_KernelLLM-GGUF --include "facebook_KernelLLM-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を参照してください。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、より良い品質を得たい場合は、このPRのおかげでIQ4_NLを使用できます。これもARM用にウェイトを再パッキングしますが、現時点では4_4のみです。ロード時間は遅くなるかもしれませんが、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。

私の仕事をサポートしたいですか？私のko-fiページを訪れてください: https://ko-fi.com/bartowski