实体
LFM2.5-Encoder-350M
LFM2.5-Encoder-350M
PulseAugur coverage of LFM2.5-Encoder-350M — every cluster mentioning LFM2.5-Encoder-350M across labs, papers, and developer communities, ranked by signal.
总计 · 30天
2
90 天内 3
发布 · 30天
0
90 天内 0
论文 · 30天
0
90 天内 0
层级分布 · 90 天
主题
最近 · 第 1/1 页 · 共 3 条
-
LiquidAI的d1-omni-600M多模态模型可在树莓派上运行
LiquidAI发布了d1-omni-600M，这是一款专为树莓派等边缘设备设计的多模态模型。与传统的LLM不同，该模型无法生成文本；相反，它充当一个复杂的分类器，根据其概率分布返回诸如是/否、分数或预定义选项的选择等答案。该模型支持文本、图像和音频输入，但不能同时支持，特别适用于内容审核、意图路由和视觉识别等任务。
-
Liquid AI 发布开源决策模型 d1-3B 和 d1-omni-600M
Liquid AI 发布了两款新的开源决策模型 d1-3B 和 d1-omni-600M，用户可以下载并在本地运行。d1-3B 模型基于 LFM2.5-VL-3B，可处理文本和图像输入；d1-omni-600M 模型基于 LFM2.5-Encoder-350M，支持文本、图像和音频输入。这些模型旨在执行诸如带有置信度分数选择合适选项等任务，并且与传统的 LLM 和 OpenAI 的 Decisions API 相比，它们在速度和成本效…
-
Liquid AI 发布支持 8K 上下文的快速、CPU 友好型双向编码器
Liquid AI 发布了两款新的开源双向编码器模型 LFM2.5-Encoder-230M 和 LFM2.5-Encoder-350M。这些模型基于 LFM2 混合骨干网络构建，支持 8192 个 token 的上下文窗口，专为在 CPU 上高效运行而设计。350M 版本在一个包含 17 个任务的基准测试中取得了第四名的好成绩，性能优于更大的模型，并展示了其在边缘设备和敏感数据处理等各种应用中的能力。