一篇新的arXiv论文评估了八种开源大语言模型在科学论文搜索方面的性能,同时考虑了检索成功率和推理延迟。该研究在Mac Studio和NVIDIA A100 GPU上测试了模型,并将输入上下文长度从512个token变化到128k个token。结果表明,检索准确性高度依赖于所选模型和查询的特异性,A100 GPU的性能通常优于Mac Studio,尽管后者的统一内存支持部署更大的模型。 AI
影响 这项研究为使用开源LLM进行本地科学文献搜索的可行性提供了见解,可能指导研究人员选择模型和硬件以实现高效的信息检索。
排序理由 该集群包含一篇详细介绍LLM性能研究结果的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]
- alphaXiv
- arXiv
- CatalyzeX
- DagsHub
- Gotit.pub
- Hugging Face
- Mac Studio
- NVIDIA A100
- ScienceCast
- Yannis Bendi-Ouis
AI 生成摘要 · Google Gemini · 来自 1 个来源。 我们如何撰写摘要 →