Fluentlylm Prinum

🚀 FluentlyLM Prinum (32B版本)

FluentlyLM項目推出的首款獨立模型閃亮登場！我們歷經數月的努力，嘗試了多種方法，最終找到了最優方案。

🚀 快速開始

這裡提供了一個使用apply_chat_template的代碼片段，向你展示如何加載分詞器和模型，以及如何生成內容。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "fluently-lm/FluentlyLM-Prinum"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Write a quick sort algorithm."
messages = [
    {"role": "system", "content": "You are FluentlyLM, created by Project Fluently. You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

GGUF使用方法

你還可以通過GGUF文件在各種接口和工作流程中本地使用我們的模型。我們提供了幾個用於下載GGUF的倉庫：

• mradermacher/FluentlyLM-Prinum-GGUF （所有GGUF量化版本）
• fluently-lm/FluentlyLM-Prinum-Q4_K_M-GGUF （僅Q4_K_M量化版本）（即將推出...）

✨ 主要特性

模型詳情

模型描述

模型演變

🏆 在Open LLM Leaderboard上排名第12 （2025年2月21日）

模型配方

📚 詳細文檔

Open LLM Leaderboard評估結果

詳細結果可查看此處

📄 許可證

本模型採用MIT許可證。

特別感謝

🤗 我們感謝以下開源資源、技術和幫助的提供者：Unsloth AI、Axolotl AI、Argilla、Alibaba Cloud: Qwen、NVIDIA和NousResearch。