Together AIはシリーズAラウンドで7.3億元（約130億円）の資金調達を発表しました。このラウンドは、Sequoia Capital China（セコイア・キャピタル・チャイナ）がリードインベスターとなり、NVIDIAなど複数の企業が参加しました。同社は、大規模言語モデルにおけるオープンソースの重要性を強調し、高い評価を得ているRedPajama-INCITE、RedPajama-Data-v2、FlashAttention v2などのオープンソース製品を発表しています。特に、同社の最高科学責任者であるTri Dao博士が発表したFlashAttention v2は広く採用され、トレーニングとファインチューニングの効率を向上させています。
LSX-UniWue
LLäMmlein 7Bは、調整されたTinyllamaコードベースに基づき、RedPajama V2のドイツ語部分のデータで最初から訓練された、70億パラメータのドイツ語LLaMA言語モデルです。
これはTinyllamaコードフレームワークをベースに、RedPajama V2ドイツ語コーパスを使用してゼロからトレーニングされたドイツ語Tinyllama 1B言語モデルです。
1bitLLM
BitNet b1.58は1ビット大規模言語モデルで、パラメータ規模は30億、RedPajamaデータセットで1000億トークン訓練されています。
BitNet b1.58 3Bは1ビット量子化された大規模言語モデルで、RedPajamaデータセットを使用して1000億トークン訓練され、性能を維持しながら計算リソース要件を大幅に削減しました。
BitNet b1.58は1.58ビット量子化された大規模言語モデルで、重みを{-1,0,1}の3値に量子化することで効率的な推論を実現しています。このモデルは原論文の結果を再現し、RedPajamaデータセットで1000億トークン訓練されました。
mtgv
MobileLLaMA-1.4B-Baseは14億パラメータのTransformerモデルで、RedPajama v1データセットに基づいてトレーニングされ、すぐに使用できるデプロイメント向けに設計されています。
datajuicer
OpenLLaMAアーキテクチャに基づき、Data - Juicerで精錬されたRedPajamaとPileデータセットで事前学習された大規模言語モデルで、同じ13億パラメータ規模のモデルを上回る性能を持ちます。
chargoddard
Llama 2 13Bをベースにした改良版で、オリジナルLlama 33Bの一部アテンションヘッドメカニズムを統合し、RedPajamaデータセットによるファインチューニングで安定性を向上
togethercomputer
RedPajama-INCITE-7B-Instructは、TogetherとオープンソースAIコミュニティのリーダーが共同開発した69億パラメータの言語モデルで、少サンプルアプリケーションに対して微調整されています。
RedPajama-INCITE-Instruct-3B-v1は、Together Computerが複数の研究機関と共同で開発した28億パラメータの指令微調言語モデルで、少サンプルアプリケーションシナリオに特化して最適化され、さまざまなテキスト処理タスクをサポートしています。
RedPajama-INCITE-Chat-3B-v1は、Together ComputerがオープンソースAIコミュニティのリーダーと共同で開発した28億パラメータのチャット言語モデルで、OASST1とDolly2のデータセットで微調整され、会話能力を強化するために特別に設計されています。
Togetherが複数のAI研究機関と共同開発した69億パラメータの対話専用言語モデル。RedPajama-Data-1Tデータセットで訓練され、OASST1とDolly2データでファインチューニングされ対話能力を強化
Transformers%20--%3e%3cdefs%3e%3cstyle%3e%20.st0%20{%20fill:%20%23061b40;%20}%20.st1%20{%20fill:%20%23306af1;%20}%20.st2%20{%20fill:%20%235ce5cf;%20}%20%3c/style%3e%3c/defs%3e%3cg%3e%3cpath%20class='st0'%20d='M55,10.5h9v3h-9v9h12V7.5h-12v3ZM64,19.5h-6v-3h6v3Z'/%3e%3cpolygon%20class='st0'%20points='69%2016.5%2078%2016.5%2078%2019.5%2069%2019.5%2069%2022.5%2081%2022.5%2081%2013.5%2072%2013.5%2072%2010.5%2081%2010.5%2081%207.5%2069%207.5%2069%2016.5'/%3e%3cpolygon%20class='st0'%20points='95%2010.5%2095%207.5%2083%207.5%2083%2022.5%2095%2022.5%2095%2019.5%2086%2019.5%2086%2016.5%2095%2016.5%2095%2013.5%2086%2013.5%2086%2010.5%2095%2010.5'/%3e%3cpath%20class='st0'%20d='M40,1.5v21h11.6l1.4-1.4v-7.6h0c0,0-1.4-1.5-1.4-1.5l1.4-1.4V2.9l-1.4-1.4h-11.6ZM50,19.5h-7v-6h7v6ZM50,10.5h-7v-6h7v6Z'/%3e%3c/g%3e%3cpath%20class='st1'%20d='M23.1,24L14.7,4.8l-4.9,11.2h3.8l-1.8,4H3.3L12.1,0H2C.9,0,0,.9,0,2v20c0,1.1.9,2,2,2h21.1Z'/%3e%3cpath%20class='st2'%20d='M34,0h-16.8l10.6,24h6.2c1.1,0,2-.9,2-2V2C36,.9,35.1,0,34,0ZM32.5,20h-4V4h4v16Z'/%3e%3c/svg%3e)