SmartScripto Admin

Publié par McGill-NLP le 9 avril 2024, McGill-NLP/LLM2Vec-Meta-Llama-3-8B-Instruct-mntp-unsup-simcse est un modèle d’embedding dense de 8 milliards de paramètres. Il transforme les textes en vecteurs de 4 096 dimensions et repose sur une licence ouverte MIT.

Publié par McGill-NLP le 9 avril 2024, McGill-NLP/LLM2Vec-Mistral-7B-Instruct-v2-mntp-supervised est un modèle d’embedding dense de 7 milliards de paramètres, tous actifs. Il transforme les textes en vecteurs de 4 096 dimensions. Distribué sous licence ouverte MIT, il peut être…

Publié par McGill-NLP le 9 avril 2024 sous licence ouverte MIT, McGill-NLP/LLM2Vec-Mistral-7B-Instruct-v2-mntp-unsup-simcse est un modèle d’embedding dense de 7 milliards de paramètres actifs. Il transforme les textes en vecteurs de 4 096 dimensions.

Publié le 9 avril 2024 par McGill-NLP sous licence ouverte MIT, McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp-supervised est un modèle d’embedding dense de 1 milliard de paramètres actifs. Il transforme chaque texte en un vecteur unique de 4 096 dimensions obtenu par pooling moyen.

Publié par McGill-NLP le 9 avril 2024, McGill-NLP/LLM2Vec-Sheared-LLaMA-mntp-unsup-simcse est un modèle d’embedding dense de 1 milliard de paramètres, tous actifs. Il transforme les textes en vecteurs de 4 096 dimensions. Sa licence MIT, ouverte et permissive, autorise notamment son…