投機的デコードに活用できるQwen2.5-Coderの超小型モデル
Qwen2.5-Coder-1.5B-Instructを日本語imatrixで量子化したものです。
日本語能力を重視し、日本語が多量に含まれる
TFMC/imatrix-dataset-for-japanese-llmデータセットを使用しました。
なお、imatrixの算出においてはf32精度のモデルを使用しました。これは、本来の数値精度であるbf16でのimatrix計算に現行のCUDA版llama.cppが対応していないためです。
<|im_start|>system
ここにSystem Promptを書きます。<|im_end|>
<|im_start|>user
ここにMessageを書きます。<|im_end|>
<|im_start|>assistant
Windows版llama.cpp-b4178およびllama.cpp-b3472同時リリースのconvert-hf-to-gguf.pyを使用して量子化作業を実施しました。
