基础模型: Nellyw888/VeriReason-Qwen2.5-7b-RTLCoder-Verilog-GRPO-reasoning-tb 数据集:

• Nellyw888/VeriReason-RTL-Coder_7b_reasoning_tb 语言:
• 英语 库名称: transformers 量化者: mradermacher 标签:
• Verilog
• 推理
• 强化学习
• RTL

关于

静态量化模型，源地址：https://huggingface.co/Nellyw888/VeriReason-Qwen2.5-7b-RTLCoder-Verilog-GRPO-reasoning-tb

加权/重要性矩阵量化文件可在以下地址获取：https://huggingface.co/mradermacher/VeriReason-Qwen2.5-7b-RTLCoder-Verilog-GRPO-reasoning-tb-i1-GGUF

使用方法

如果不确定如何使用GGUF文件，请参考TheBloke的README文件获取更多详细信息，包括如何合并多部分文件。

提供的量化版本

（按大小排序，质量不一定按此顺序。IQ量化通常优于相似大小的非IQ量化）

以下是ikawrakow提供的实用图表，比较了一些低质量量化类型（数值越低越好）：

以及Artefact2对此的看法： https://gist.github.com/Artefact2/b5f810600771265fc1e39442288e8ec9

常见问题/模型请求

如有疑问或需要其他模型量化，请访问：https://huggingface.co/mradermacher/model_requests

致谢

感谢我的公司nethype GmbH允许我使用其服务器，并为我的工作站提供升级，使我在业余时间能够完成这项工作。