 Kawrakow
|
469e75d0a3
llama : restore intended k-quants mixes for MoE models (#4872)
|
vor 2 Jahren |
|
Kawrakow
|
49662cbed3
ggml : SOTA 2-bit quants (add IQ2_XS) (#4856)
|
vor 2 Jahren |
|
Kawrakow
|
dd5ae06405
SOTA 2-bit quants (#4773)
|
vor 2 Jahren |
 Georgi Gerganov
|
52531fdff8
main : add self-extend support (#4815)
|
vor 2 Jahren |
|
Georgi Gerganov
|
b0034d93ce
examples : add passkey test (#3856)
|
vor 2 Jahren |
 Marcus Dunn
|
0040d42eeb
llama : replace all API facing `int`'s with `int32_t` (#4577)
|
vor 2 Jahren |
 crasm
|
c7e9701f86
llama : add ability to cancel model loading (#4462)
|
vor 2 Jahren |
|
Marcus Dunn
|
31f27758fa
llama : allow getting n_batch from llama_context in c api (#4540)
|
vor 2 Jahren |
 slaren
|
c6c4fc081c
lora : add support for non-llama models (#3333)
|
vor 2 Jahren |
|
crasm
|
6391817cd1
llama : document logits_all deprecation (#4418)
|
vor 2 Jahren |
|
Georgi Gerganov
|
bcc0eb4591
llama : per-layer KV cache + quantum K cache (#4309)
|
vor 2 Jahren |
 Kerfuffle
|
5aa365d88f
llama : allow overriding GGUF metadata when loading model (#4092)
|
vor 2 Jahren |
|
crasm
|
3014b5415d
Update docs for yarn_ext_factor <0.0 as unspecified instead of NaN (#4189)
|
vor 2 Jahren |
|
Georgi Gerganov
|
6b0a7420d0
llama : KV cache view API + better KV cache management (#4170)
|
vor 2 Jahren |
|
slaren
|
e85bb1a8e7
llama : add functions to get the model's metadata (#4013)
|
vor 2 Jahren |
|
Kerfuffle
|
91f6499393
Respect tokenizer.ggml.add_bos_token value when tokenizing (#4040)
|
vor 2 Jahren |
|
Georgi Gerganov
|
05816027d6
common : YAYF (yet another YARN fix) (#3925)
|
vor 2 Jahren |
 cebtenzzre
|
898aeca90a
llama : implement YaRN RoPE scaling (#2268)
|
vor 2 Jahren |
 kalomaze
|
238657db23
samplers : Min-P sampler implementation [alternative to Top P/Top K] (#3841)
|
vor 2 Jahren |
|
Kerfuffle
|
6e08281e58
Extend llama_kv_cache_seq_rm to allow matching any sequence (#3843)
|
vor 2 Jahren |
|
Georgi Gerganov
|
d69d777c02
ggml : quantization refactoring (#3833)
|
vor 2 Jahren |
|
Georgi Gerganov
|
ee1a0ec9cb
llama : add option for greedy sampling with probs (#3813)
|
vor 2 Jahren |
|
Georgi Gerganov
|
2f9ec7e271
cuda : improve text-generation and batched decoding performance (#3776)
|
vor 2 Jahren |
|
Marcus Dunn
|
5be6c803fa
llama : remove token functions with `context` args in favor of `model` (#3720)
|
vor 2 Jahren |
|
Georgi Gerganov
|
d1031cf49c
sampling : refactor init to use llama_sampling_params (#3696)
|
vor 2 Jahren |
|
Georgi Gerganov
|
0e89203b51
speculative : add tree-based sampling example (#3624)
|
vor 2 Jahren |
 staviq
|
1a159553f9
tokenizer : special token handling (#3538)
|
vor 2 Jahren |
|
Georgi Gerganov
|
ac2219fef3
llama : fix session saving/loading (#3400)
|
vor 2 Jahren |
 Alex Klinkhamer
|
48be797ffb
llama : expose model's rope_freq_scale in the API (#3418)
|
vor 2 Jahren |
 vvhg1
|
c97f01c362
infill : add new example + extend server API (#3296)
|
vor 2 Jahren |
