Hugging Face 发布 jevhome-ettin-1b-int8:约 1B 参数的 int8 类型化决策模型
Hugging Face 上线 jevhome-ettin-1b-int8,这是 jevhome-ettin-1b 的动态 int8 量化版本,采用 ONNX Runtime quantize_dynamic 与 int8 token 嵌入表,体积约为原版四分之一,可在普通 CPU 上单次前向返回校准概率。
Hugging Face 上线 jevhome-ettin-1b-int8,这是 jevhome-ettin-1b 的动态 int8 量化版本,采用 ONNX Runtime quantize_dynamic 与 int8 token 嵌入表,体积约为原版四分之一,可在普通 CPU 上单次前向返回校准概率。
Hugging Face 上线 jevhome-E,一个约 48M 参数的双编码器类型化决策模型,输入状态与是/否、单选或评分问题,一次前向传播即可在普通 CPU 上返回校准概率,接口与 Jev、PostHog Jeeves 一致(POST /v1/systemone)。
Hugging Face 上线 jevhome-L,一个约 396M 参数的交叉编码器类型化决策模型,接收状态与是/否、单选或评分问题,一次前向传播即返回校准概率,可在普通 CPU 上运行。
mradermacher 为 SEAD-SAGE-4B 发布了 GGUF 静态量化版本,暂未提供 weighted/imatrix 量化。已提供从 Q2_K(1.9 GB)到 f16(8.9 GB)的多档量化,其中 Q4_K_S 与 Q4_K_M 标注为快速、推荐,Q6_K 为质量很好,Q8_0 为快速且最佳质量。
Hugging Face 上线 yanggangu/CLIP-ViT-base-patch32-SMAT-DTD,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中 seed 42 的专家模型,训练时即考虑模型合并。
Hugging Face 上线 yanggangu/CLIP-ViT-base-patch32-SMAT-SVHN,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中针对 SVHN 的专家模型,seed 42。
Hugging Face 上线 CLIP-ViT-base-patch32-SMAT-RESISC45,这是 SMAT(Simple and Efficient Merge-Aware Training)论文表 2 中的专家模型,训练种子为 42。
Hugging Face 上出现模型 imjustheretotest/MasonAI,其基座模型为 crosbylegal/gpt-5.6-luna,训练数据集为 Crownelius/GPT-5.6-Sol-Luna-Terra-Traces。该模型 README 内容为空,上月下载量未被追踪,且暂无 Inference Provider 部署。