LGAI EXAONE EXAONE 4.0 1.2B GGUF

🚀 LGAI-EXAONE的EXAONE-4.0-1.2B量化模型

本项目基于llama.cpp对LGAI-EXAONE的EXAONE-4.0-1.2B模型进行量化处理，为用户提供不同量化类型的模型文件，以满足在不同硬件和场景下的使用需求。

🚀 快速开始

运行环境

• 可在 LM Studio 中运行量化模型。
• 也可以直接使用 llama.cpp 或其他基于llama.cpp的项目运行。

下载模型

可以从以下表格中选择需要的量化模型文件进行下载：

下载指令

使用huggingface-cli下载模型文件：

pip install -U "huggingface_hub[cli]"

huggingface-cli download bartowski/LGAI-EXAONE_EXAONE-4.0-1.2B-GGUF --include "LGAI-EXAONE_EXAONE-4.0-1.2B-Q4_K_M.gguf" --local-dir ./

huggingface-cli download bartowski/LGAI-EXAONE_EXAONE-4.0-1.2B-GGUF --include "LGAI-EXAONE_EXAONE-4.0-1.2B-Q8_0/*" --local-dir ./

✨ 主要特性

• 多种量化类型：提供了丰富的量化类型，如BF16、Q8_0、Q6_K、Q5_K等，满足不同硬件和性能需求。
• 嵌入/输出权重优化：部分量化模型（如Q3_K_XL、Q4_K_L等）将嵌入和输出权重量化为Q8_0，提高模型性能。
• 在线重新打包：部分量化模型支持在线重新打包，可在ARM和AVX机器上提高性能。

📚 详细文档

提示格式

未指定聊天模板，因此使用默认模板。这可能不正确，请查看原始模型卡片以获取详细信息。

[|system|]
{system_prompt}[|endofturn|]
[|user|]
{prompt}[|endofturn|]
[|assistant|]
<think>

</think>

嵌入/输出权重

部分量化模型（如Q3_K_XL、Q4_K_L等）采用标准量化方法，将嵌入和输出权重量化为Q8_0，而非默认值。

ARM/AVX信息

以前，你会下载Q4_0_4_4/4_8/8_8格式的模型，这些模型的权重在内存中交错排列，以便通过一次加载更多数据来提高ARM和AVX机器的性能。

然而，现在有了一种称为“在线重新打包”的权重处理方法，详情见 此PR。如果你使用Q4_0且硬件能从重新打包权重中受益，它将自动即时进行处理。

从llama.cpp构建版本 b4282 开始，你将无法运行Q4_0_X_X文件，而需要使用Q4_0。

此外，如果你想获得稍好的质量，可以使用IQ4_NL，感谢 此PR，它也会为ARM重新打包权重，不过目前仅支持4_4格式。加载时间可能会变慢，但总体速度会提高。

如何选择模型文件

🔧 技术细节

量化工具

使用 llama.cpp 发布版本 b5934 进行量化处理。

原始模型

原始模型可从 此处 获取。

校准数据集

所有量化模型均使用imatrix选项，并使用来自 此处 的校准数据集。

📄 许可证

文档未提及相关许可证信息。

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。 感谢ZeroWw在嵌入/输出实验方面的启发。 感谢LM Studio对本项目的赞助。

如果你想支持我的工作，请访问我的ko-fi页面：https://ko-fi.com/bartowski