🚀 FluentlyLM Prinum (32B版本)

FluentlyLM项目推出的首款独立模型闪亮登场！我们历经数月的努力，尝试了多种方法，最终找到了最优方案。

🚀 快速开始

这里提供了一个使用apply_chat_template的代码片段，向你展示如何加载分词器和模型，以及如何生成内容。

from transformers import AutoModelForCausalLM, AutoTokenizer

model_name = "fluently-lm/FluentlyLM-Prinum"

model = AutoModelForCausalLM.from_pretrained(
    model_name,
    torch_dtype="auto",
    device_map="auto"
)
tokenizer = AutoTokenizer.from_pretrained(model_name)

prompt = "Write a quick sort algorithm."
messages = [
    {"role": "system", "content": "You are FluentlyLM, created by Project Fluently. You are a helpful assistant."},
    {"role": "user", "content": prompt}
]
text = tokenizer.apply_chat_template(
    messages,
    tokenize=False,
    add_generation_prompt=True
)
model_inputs = tokenizer([text], return_tensors="pt").to(model.device)

generated_ids = model.generate(
    **model_inputs,
    max_new_tokens=1024
)
generated_ids = [
    output_ids[len(input_ids):] for input_ids, output_ids in zip(model_inputs.input_ids, generated_ids)
]

response = tokenizer.batch_decode(generated_ids, skip_special_tokens=True)[0]

GGUF使用方法

你还可以通过GGUF文件在各种接口和工作流程中本地使用我们的模型。我们提供了几个用于下载GGUF的仓库：

• mradermacher/FluentlyLM-Prinum-GGUF （所有GGUF量化版本）
• fluently-lm/FluentlyLM-Prinum-Q4_K_M-GGUF （仅Q4_K_M量化版本）（即将推出...）

✨ 主要特性

模型详情

模型描述

模型演变

🏆 在Open LLM Leaderboard上排名第12 （2025年2月21日）

模型配方

📚 详细文档

Open LLM Leaderboard评估结果

详细结果可查看此处

📄 许可证

本模型采用MIT许可证。

特别感谢

🤗 我们感谢以下开源资源、技术和帮助的提供者：Unsloth AI、Axolotl AI、Argilla、Alibaba Cloud: Qwen、NVIDIA和NousResearch。