Open R1 OlympicCoder 7B GGUF

🚀 open-r1對OlympicCoder-7B的Llamacpp imatrix量化版本

本項目是對open-r1的OlympicCoder-7B模型進行的Llamacpp imatrix量化處理。它能幫助用戶在不同硬件條件下更高效地運行模型，提供了多種量化類型供選擇，以平衡模型質量和文件大小。

🚀 快速開始

使用 llama.cpp 版本 b4867 進行量化。 原始模型：https://huggingface.co/open-r1/OlympicCoder-7B 所有量化均使用imatrix選項，並採用來自 此處 的數據集。 你可以在 LM Studio 中運行這些量化模型，也可以直接使用 llama.cpp 或任何基於llama.cpp的項目來運行。

✨ 主要特性

• 多種量化類型：提供了豐富的量化類型，如bf16、Q8_0、Q6_K_L等，滿足不同硬件和性能需求。
• 在線重打包：部分量化類型支持在線重打包，可自動優化ARM和AVX機器的性能。
• 靈活選擇：用戶可根據自身硬件條件和需求，選擇合適的量化文件。

📦 安裝指南

使用huggingface-cli下載

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/open-r1_OlympicCoder-7B-GGUF --include "open-r1_OlympicCoder-7B-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/open-r1_OlympicCoder-7B-GGUF --include "open-r1_OlympicCoder-7B-Q8_0/*" --local-dir ./

💻 使用示例

提示格式

<|im_start|>system
{system_prompt}<|im_end|>
<|im_start|>user
{prompt}<|im_end|>
<|im_start|>assistant
<think>

📚 詳細文檔

下載文件選擇

嵌入/輸出權重

部分量化（如Q3_K_XL、Q4_K_L等）採用標準量化方法，將嵌入和輸出權重量化為Q8_0，而非通常的默認值。

ARM/AVX信息

以前，你會下載Q4_0_4_4/4_8/8_8，這些權重會在內存中交錯排列，以便通過一次加載更多數據來提高ARM和AVX機器的性能。

然而，現在有了一種名為“在線重打包”的權重處理方式。詳情見 此PR。如果你使用Q4_0，且硬件能從權重重打包中受益，它將自動即時進行處理。

從llama.cpp構建版本 b4282 開始，你將無法運行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想獲得略好的質量，可以使用IQ4_NL，這得益於 此PR，它也會為ARM重打包權重，不過目前僅支持4_4。加載時間可能會更長，但總體速度會提高。

選擇哪個文件

🔧 技術細節

嵌入/輸出權重量化

部分量化類型（如Q3_K_XL、Q4_K_L等）採用特殊的量化方式，將嵌入和輸出權重量化為Q8_0，而非默認值，以在一定程度上提升模型性能和質量。

在線重打包

Q4_0支持在線重打包，可根據硬件情況自動優化權重排列，提高ARM和AVX機器的性能。這一特性在llama.cpp的特定版本（如b4282）之後有了更明確的使用要求。

📄 許可證

本項目使用的許可證為apache-2.0。

致謝

感謝kalomaze和Dampf在創建imatrix校準數據集方面提供的幫助。 感謝ZeroWw在嵌入/輸出實驗方面提供的靈感。 感謝LM Studio對我工作的贊助。

如果你想支持我的工作，請訪問我的ko-fi頁面：https://ko-fi.com/bartowski