 Kawrakow
|
a14679cc30
IQ4_NL: 4-bit non-linear quants with blocks of 32 (#5590)
|
před 1 rokem |
 Xuan Son Nguyen
|
9c405c9f9a
Server: use llama_chat_apply_template (#5593)
|
před 1 rokem |
 Georgi Gerganov
|
f53119cec4
minor : fix trailing whitespace (#5538)
|
před 1 rokem |
|
Xuan Son Nguyen
|
11b12de39b
llama : add llama_chat_apply_template() (#5538)
|
před 1 rokem |
|
Kawrakow
|
bd2d4e393b
1.5 bit quantization (#5453)
|
před 1 rokem |
|
Georgi Gerganov
|
8f1be0d42f
ggml : add ALiBi support for ggml_soft_max_ext (#5488)
|
před 1 rokem |
 Herman Semenov
|
65085c713e
llama : minor fixed return int value (#5529)
|
před 1 rokem |
 bmwl
|
f486f6e1e5
ggml : add numa options (#5377)
|
před 1 rokem |
 Douglas Hanley
|
4524290e87
Use correct type of pooling for embedding models (#5500)
|
před 1 rokem |
 Jared Van Bortel
|
ea9c8e1143
llama : add support for Nomic Embed (#5468)
|
před 1 rokem |
 Aarni Koskela
|
c4e6dd59e4
llama : allow raw byte in SPM vocabs; don't crash on nl 404 (#5478)
|
před 1 rokem |
|
Aarni Koskela
|
037259be68
llama : make load error reporting more granular (#5477)
|
před 1 rokem |
|
Georgi Gerganov
|
cf45252a7c
tests : multi-thread the tokenizer tests (#5474)
|
před 1 rokem |
|
Douglas Hanley
|
03bf161eb6
llama : support batched embeddings (#5466)
|
před 1 rokem |
|
Georgi Gerganov
|
49cc1f7d67
bert : add tests + fix quantization (#5475)
|
před 1 rokem |
|
Georgi Gerganov
|
099afc6274
llama : fix quantization when tensors are missing (#5423)
|
před 1 rokem |
|
Georgi Gerganov
|
3b169441df
sync : ggml (#5452)
|
před 1 rokem |
|
Douglas Hanley
|
2891c8aa9a
Add support for BERT embedding models (#5423)
|
před 1 rokem |
 snadampal
|
a07d0fee1f
ggml : add mmla kernels for quantized GEMM (#4966)
|
před 1 rokem |
 Paul Tsochantaris
|
e5ca3937c6
llama : do not cap thread count when MoE on CPU (#5419)
|
před 1 rokem |
 slaren
|
41f308f58e
llama : do not print "offloading layers" message in CPU-only builds (#5416)
|
před 1 rokem |
 Johannes Gäßler
|
b7b74cef36
fix trailing whitespace (#5407)
|
před 1 rokem |
 runfuture
|
4aa43fab56
llama : fix MiniCPM (#5392)
|
před 1 rokem |
|
Johannes Gäßler
|
26d4efd11e
sampling: fix top_k <= 0 (#5388)
|
před 1 rokem |
 0cc4m
|
ee1628bdfe
Basic Vulkan Multi-GPU implementation (#5321)
|
před 1 rokem |
|
runfuture
|
316c7faf77
llama : add MiniCPM support (#5346)
|
před 1 rokem |
|
Kawrakow
|
89503dcb5f
iq3_xxs: quards for the no-imatrix situation (#5334)
|
před 1 rokem |
|
Jared Van Bortel
|
1ec3332ade
YaRN : store rope scaling type as int32_t in memory (#5285)
|
před 1 rokem |
 Ian Bull
|
e1e721094d
llama : fix memory leak in llama_batch_free (#5252)
|
před 2 roky |
 Guoteng
|
ce32060198
llama : support InternLM2 (#5184)
|
před 2 roky |
