Tutorial dan petua

Unsloth mengopen sumber tutorial: latihan setempat model keputusan Qwen3.5 0.8B, ketepatan meningkat daripada 20.7% kepada 74.3%

Tajuk asal:You can now train your own Decision model like Jev locally!

Ringkasan AI

Unsloth melancarkan tutorial dan repositori sumber terbuka yang membolehkan LLM seperti Qwen3.8 dan Gemma 4 ditala halus menjadi model keputusan yang mengeluarkan kebarangkalian pilihan; Qwen3.5 0.8B meningkatkan ketepatan agregat pada 3 penanda aras keputusan daripada 20.7% kepada 74.3%, hanya memerlukan 4GB memori GPU.

Maklumat penting

  • Unsloth melancarkan tutorial dan repositori sumber terbuka yang membolehkan LLM seperti Qwen3.
  • 8 dan Gemma 4 ditala halus menjadi model keputusan yang mengeluarkan kebarangkalian pilihan
  • 8B meningkatkan ketepatan agregat pada 3 penanda aras keputusan daripada 20.
  • 7% kepada 74.
  • 3%,hanya memerlukan 4GB memori GPU.

Sekilas pandang

Diterbitkan pada
Dikemas kini pada
Sumber
X:Unsloth (@UnslothAI)
Kategori
Tutorial dan petua
Topik
Ekosistem sumber terbukaTutorial dan amalan
Skor AI
66
Baca asal Baca artikel penuh di sumber asal
Sebab disyorkan

原文给出完整微调方法和前后准确率对比,读者可在 4GB 显存上复现把 LLM 转成决策模型的流程。

Topik berkaitan

Sumber dan hak cipta

Artikel ini disusun berdasarkan tajuk pilihan dan ringkasan AI daripada API awam AIHOT, dengan sumber dinyatakan dan pautan balik disediakan; hak cipta teks asal milik media dan penulis asal, laman ini tidak menyalin penuh teks penuh.

Pautan asal · Entri AIHOT

Cara memetik

Apabila memetik artikel ini, kekalkan tajuk, tarikh dan pautan kekal, serta nyatakan sumber sebagai Orange News.

Orange News: Unsloth mengopen sumber tutorial: latihan setempat model keputusan Qwen3.5 0.8B, ketepatan meningkat daripada 20.7% kepada 74.3%. 8 Oktober 2026. https://new.nat6.net/ms/news/y7db2ly158hip5dw1evmjw5kv/

Lihat Semua →