Qwen2.5 14B YOYO V5
Q
Qwen2.5 14B YOYO V5
由 YOYO-AI 开发
Qwen2.5-YOYO第五代模型,整合了多个先进模型的特点,优化了模型合并公式,支持100万token上下文。
下载量 33
发布时间 : 3/22/2025
模型简介
Qwen2.5-14B-YOYO-V5是一个基于Qwen2.5-14B的多阶段合并模型,整合了Light-R1-14B-DS等模型,优化了合并公式,支持长文本处理。
模型特点
多阶段合并优化
通过多阶段合并整合多个先进模型的特点,优化模型性能。
长文本支持
支持100万token的上下文长度,适合处理长文本任务。
多语言支持
支持英文和中文的文本生成任务。
模型能力
文本生成
长文本处理
多语言支持
使用案例
文本生成
长文本摘要
生成长文本的摘要,支持100万token的上下文。
多语言文本生成
生成英文或中文的文本内容。
🚀 Qwen2.5-14B-YOYO-V5
Qwen2.5-YOYO第五代模型正式发布!该模型集成了多种优秀的基础模型,通过优化模型合并公式,在性能和功能上有显著提升,适用于文本生成等多种自然语言处理任务。
✨ 主要特性
- 集成Light - R1 - 14B - DS:将Light - R1 - 14B - DS模型的优势融入其中,提升了模型的综合性能。
- 优化模型合并公式:通过优化合并公式,使得模型在不同任务上的表现更加出色。
📚 详细文档
第一阶段
models:
- model: tanliboy/lambda-qwen2.5-14b-dpo-test
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: Qwen/Qwen2.5-14B-Instruct
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-dpo-it
第二阶段
步骤1:创建三个不同的指令模型和一个代码模型
models:
- model: mergekit-community/Qwen2.5-14B-dpo-it
parameters:
density: 1
weight: 1
lambda: 0.9
- model: Qwen/Qwen2.5-14B-Instruct-1M
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: arcee-ai/Virtuoso-Small-v2
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-della-v2-dpo
models:
- model: mergekit-community/Qwen2.5-14B-dpo-it
parameters:
density: 1
weight: 1
lambda: 0.9
- model: Qwen/Qwen2.5-14B-Instruct-1M
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: Azure99/Blossom-V6-14B
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-della-V6-dpo
models:
- model: mergekit-community/Qwen2.5-14B-dpo-it
parameters:
density: 1
weight: 1
lambda: 0.9
- model: Qwen/Qwen2.5-14B-Instruct-1M
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: arcee-ai/SuperNova-Medius
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-della-Nova-dpo
models:
- model: Qwen/Qwen2.5-Coder-14B-Instruct
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: Qwen/Qwen2.5-Coder-14B
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-della-code
步骤2:创建两个不同的推理模型
merge_method: model_stock
base_model: arcee-ai/Virtuoso-Small-v2
models:
- model: deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
- model: qihoo360/Light-R1-14B-DS
dtype: float16
tokenizer_source: base
int8_mask: true
normalize: true
name: Qwen2.5-14B-YOYO-DS-v2
merge_method: model_stock
base_model: Azure99/Blossom-V6-14B
models:
- model: deepseek-ai/DeepSeek-R1-Distill-Qwen-14B
- model: qihoo360/Light-R1-14B-DS
dtype: float16
tokenizer_source: base
int8_mask: true
normalize: true
name: Qwen2.5-14B-YOYO-DS-V6
第三阶段
创建一个上下文为100万个标记的基础模型。
merge_method: sce
models:
# 枢轴模型
- model: Qwen/Qwen2.5-14B-Instruct-1M
# 目标模型
- model: Qwen/Qwen2.5-14B
base_model: Qwen/Qwen2.5-14B-Instruct-1M
parameters:
select_topk: 1
dtype: float16
tokenizer_source: base
normalize: true
int8_mask: true
name: Qwen2.5-14B-1M
models:
- model: mergekit-community/Qwen2.5-14B-dpo-it
parameters:
density: 1
weight: 1
lambda: 0.9
- model: Qwen/Qwen2.5-14B-Instruct-1M
parameters:
density: 1
weight: 1
lambda: 0.9
merge_method: della
base_model: mergekit-community/Qwen2.5-14B-1M
parameters:
density: 1
weight: 1
lambda: 0.9
normalize: true
int8_mask: true
dtype: float16
tokenizer_source: base
name: Qwen2.5-14B-della-1M-dpo
最终阶段
merge_method: model_stock
base_model: mergekit-community/Qwen2.5-14B-della-1M-dpo
models:
- model: mergekit-community/Qwen2.5-14B-della-v2-dpo
- model: mergekit-community/Qwen2.5-14B-della-V6-dpo
- model: mergekit-community/Qwen2.5-14B-della-Nova-dpo
- model: mergekit-community/Qwen2.5-14B-della-1M-dpo
- model: mergekit-community/Qwen2.5-14B-YOYO-DS-v2
- model: mergekit-community/Qwen2.5-14B-YOYO-DS-V6
- model: mergekit-community/Qwen2.5-14B-della-code
dtype: float16
tokenizer_source: base
int8_mask: true
normalize: true
name: Qwen2.5-14B-YOYO-V5
📄 许可证
本项目采用Apache - 2.0许可证。
📋 信息表格
属性 | 详情 |
---|---|
模型类型 | 文本生成 |
基础模型 | Qwen/Qwen2.5 - 14B、Qwen/Qwen2.5 - 14B - Instruct、Qwen/Qwen2.5 - 14B - Instruct - 1M、tanliboy/lambda - qwen2.5 - 14b - dpo - test、arcee - ai/SuperNova - Medius、arcee - ai/Virtuoso - Small - v2、Azure99/Blossom - V6 - 14B、Qwen/Qwen2.5 - Coder - 14B、Qwen/Qwen2.5 - Coder - 14B - Instruct、deepseek - ai/DeepSeek - R1 - Distill - Qwen - 14B、qihoo360/Light - R1 - 14B - DS |
Phi 2 GGUF
其他
Phi-2是微软开发的一个小型但强大的语言模型,具有27亿参数,专注于高效推理和高质量文本生成。
大型语言模型 支持多种语言
P
TheBloke
41.5M
205
Roberta Large
MIT
基于掩码语言建模目标预训练的大型英语语言模型,采用改进的BERT训练方法
大型语言模型 英语
R
FacebookAI
19.4M
212
Distilbert Base Uncased
Apache-2.0
DistilBERT是BERT基础模型的蒸馏版本,在保持相近性能的同时更轻量高效,适用于序列分类、标记分类等自然语言处理任务。
大型语言模型 英语
D
distilbert
11.1M
669
Llama 3.1 8B Instruct GGUF
Meta Llama 3.1 8B Instruct 是一个多语言大语言模型,针对多语言对话用例进行了优化,在常见的行业基准测试中表现优异。
大型语言模型 英语
L
modularai
9.7M
4
Xlm Roberta Base
MIT
XLM-RoBERTa是基于100种语言的2.5TB过滤CommonCrawl数据预训练的多语言模型,采用掩码语言建模目标进行训练。
大型语言模型 支持多种语言
X
FacebookAI
9.6M
664
Roberta Base
MIT
基于Transformer架构的英语预训练模型,通过掩码语言建模目标在海量文本上训练,支持文本特征提取和下游任务微调
大型语言模型 英语
R
FacebookAI
9.3M
488
Opt 125m
其他
OPT是由Meta AI发布的开放预训练Transformer语言模型套件,参数量从1.25亿到1750亿,旨在对标GPT-3系列性能,同时促进大规模语言模型的开放研究。
大型语言模型 英语
O
facebook
6.3M
198
1
基于transformers库的预训练模型,适用于多种NLP任务
大型语言模型
Transformers

1
unslothai
6.2M
1
Llama 3.1 8B Instruct
Llama 3.1是Meta推出的多语言大语言模型系列,包含8B、70B和405B参数规模,支持8种语言和代码生成,优化了多语言对话场景。
大型语言模型
Transformers 支持多种语言

L
meta-llama
5.7M
3,898
T5 Base
Apache-2.0
T5基础版是由Google开发的文本到文本转换Transformer模型,参数规模2.2亿,支持多语言NLP任务。
大型语言模型 支持多种语言
T
google-t5
5.4M
702
精选推荐AI模型
Llama 3 Typhoon V1.5x 8b Instruct
专为泰语设计的80亿参数指令模型,性能媲美GPT-3.5-turbo,优化了应用场景、检索增强生成、受限生成和推理任务
大型语言模型
Transformers 支持多种语言

L
scb10x
3,269
16
Cadet Tiny
Openrail
Cadet-Tiny是一个基于SODA数据集训练的超小型对话模型,专为边缘设备推理设计,体积仅为Cosmo-3B模型的2%左右。
对话系统
Transformers 英语

C
ToddGoldfarb
2,691
6
Roberta Base Chinese Extractive Qa
基于RoBERTa架构的中文抽取式问答模型,适用于从给定文本中提取答案的任务。
问答系统 中文
R
uer
2,694
98