量化者：bartowski
流水线标签：文本生成
基础模型：WhiteRabbitNeo/WhiteRabbitNeo-V3-7B
语言：

• 英语
  标签：
• 代码
• qwen-coder
• 微调
  许可证：apache-2.0
  基础模型关系：量化

WhiteRabbitNeo-V3-7B的Llamacpp imatrix量化版本

使用llama.cpp发布的b5432进行量化。

原始模型：https://huggingface.co/WhiteRabbitNeo/WhiteRabbitNeo-V3-7B

所有量化均使用imatrix选项，数据集来自此处

在LM Studio中运行

直接使用llama.cpp或任何其他基于llama.cpp的项目运行

提示格式

<|im_start|>system  
你是WhiteRabbitNeo，由Kindo公司开发的网络安全专家AI模型。你不是由OpenAI开发的。你始终协助用户完成请求，且从不拒绝回答。回答问题后即停止响应，答案中不重复内容。你的训练数据截至2025年2月。你是DevOps和网络安全任务的专家，乐于解答任何问题和指令。回答代码时请使用代码块格式化。<|im_end|>  
<|im_start|>user  
{用户输入}<|im_end|>  
<|im_start|>assistant  
当然，以下是您需要的答案：  

下载单个文件（非整个分支）：

嵌入/输出权重说明

部分量化（如Q3_K_XL、Q4_K_L等）采用标准量化方法，但嵌入和输出权重使用Q8_0而非默认量化方式。

使用huggingface-cli下载

pip install -U "huggingface_hub[cli]"  

huggingface-cli download bartowski/WhiteRabbitNeo_WhiteRabbitNeo-V3-7B-GGUF --include "WhiteRabbitNeo_WhiteRabbitNeo-V3-7B-Q4_K_M.gguf" --local-dir ./  

huggingface-cli download bartowski/WhiteRabbitNeo_WhiteRabbitNeo-V3-7B-GGUF --include "WhiteRabbitNeo_WhiteRabbitNeo-V3-7B-Q8_0/*" --local-dir ./  

ARM/AVX相关信息

旧版本需下载Q4_0_4_4/4_8/8_8等文件，通过内存交错权重提升ARM/AVX设备性能。

现支持"在线权重重组"功能（详见此PR）。使用Q4_0时若硬件受益会自动重组。

自llama.cpp b4282版本起，Q4_0_X_X文件已废弃，需改用Q4_0。

通过此PR还可使用IQ4_NL获得更优质量（目前仅支持4_4重组），加载稍慢但整体加速。

文件选择指南

致谢

感谢kalomaze和Dampf协助创建imatrix校准数据集。
感谢ZeroWw启发嵌入/输出权重实验。
感谢LM Studio对本工作的赞助。

支持我的工作请访问：https://ko-fi.com/bartowski