IT之家 9 月 15 日消息，科技媒體 marktechpost 昨日（9 月 14 日）發(fā)布博文，報(bào)道稱(chēng)英偉達(dá)開(kāi)源了 Nemotron-Mini-4B-Instruct AI 模型，標(biāo)志著該公司在 AI 領(lǐng)域創(chuàng)新又一新篇章。
小語(yǔ)言模型的大潛力
Nemotron-Mini-4B-Instruct AI 模型專(zhuān)為角色扮演、檢索增強(qiáng)生成（RAG）及函數(shù)調(diào)用等任務(wù)設(shè)計(jì)，是一個(gè)小語(yǔ)言模型（SLM），通過(guò)蒸餾（distilled）和優(yōu)化更大的 Nemotron-4 15B 獲得。
英偉達(dá)使用剪枝（pruning）、量化（quantization）和蒸餾（distillation）等先進(jìn) AI 技術(shù)，讓該模型更小巧高效，尤其適用于設(shè)備端部署。
這種縮小化并未影響模型在角色扮演和功能調(diào)用等特定場(chǎng)景下的性能，讓其成為需要快速按需響應(yīng)的應(yīng)用的實(shí)用選擇。
該模型在 Minitron-4B-Base 模型上微調(diào)，采用了 LLM 壓縮技術(shù)，最顯著的特點(diǎn)之一是其能夠處理 4096 個(gè)上下文窗口詞元（token），能夠生成更長(zhǎng)且更連貫的回復(fù)。
架構(gòu)與技術(shù)規(guī)格
Nemotron-Mini-4B-Instruct 以其強(qiáng)大的架構(gòu)著稱(chēng)，確保了高效性與可擴(kuò)展性。
該模型的 Embedding Size（決定了轉(zhuǎn)化后的向量的維度）尺寸為 3072，多頭注意力（Multi-Head Attention）為 32 個(gè)，MLP 中間維度為 9216，在處理大規(guī)模輸入數(shù)據(jù)集時(shí)，仍能以高精度和相關(guān)性作出響應(yīng)。
此外，模型還采用了組查詢(xún)注意力（GQA）和旋轉(zhuǎn)位置嵌入（RoPE）技術(shù)，進(jìn)一步提升了其處理與理解文本的能力。
該模型基于 Transformer 解碼器架構(gòu)，是一種自回歸語(yǔ)言模型。這意味著它根據(jù)前面的標(biāo)記生成每個(gè)標(biāo)記，非常適合對(duì)話生成等任務(wù)，其中對(duì)話的連貫流暢至關(guān)重要。
角色扮演與功能調(diào)用應(yīng)用
Nemotron-Mini-4B-Instruct 在角色扮演應(yīng)用領(lǐng)域表現(xiàn)尤為突出。憑借其龐大的標(biāo)記容量和優(yōu)化的語(yǔ)言生成能力，它可以嵌入到虛擬助手、視頻游戲或任何其他需要 AI 生成關(guān)鍵響應(yīng)的交互式環(huán)境中。
英偉達(dá)提供了一種特定的提示格式，以確保模型在這些場(chǎng)景中，尤其是在單輪或多輪對(duì)話中，輸出最佳結(jié)果。
該模型還針對(duì)函數(shù)調(diào)用進(jìn)行了優(yōu)化，在 AI 系統(tǒng)必須與 API 或其他自動(dòng)化流程交互的環(huán)境中變得越來(lái)越重要。生成準(zhǔn)確、功能性響應(yīng)的能力使得該模型非常適合 RAG 場(chǎng)景，即模型需要?jiǎng)?chuàng)建文本并從知識(shí)庫(kù)中檢索和提供信息。
IT之家附上參考地址
廣告聲明：文內(nèi)含有的對(duì)外跳轉(zhuǎn)鏈接（包括不限于超鏈接、二維碼、口令等形式），用于傳遞更多信息，節(jié)省甄選時(shí)間，結(jié)果僅供參考，IT之家所有文章均包含本聲明。