IT之家报道：Hugging Face发布三种小语言模型，参数量分别为1.35亿、3.6亿和17亿。他们在训练过程中优化了模型所需的RAM用量，能在6GB内存的iPhone15上运行。研究发现，在基于Mixtral-8x7B-Instruct-v0.1和Cosmopedia v2的两个不同的Python教育上，SmolLM-135M表现最佳。此外，SmolLM-360M的测试成绩优于所有小于5亿参数以下的模型。最后，SmolLM-1.7B超越所有参数量小于20亿参数的模型，包括微软 Phi-1.5、MobileLLM-1.5B及Qwen2。
标题: Hugging Face推出三种小语言模型，参数量分别为1.35亿、3.6亿和17亿
：
根据最新的技术新闻，Hugging Face已经发布三种小语言模型，分别是SmolLM-1.35B、SmolLM-360M以及SmolLM-1.7B。
在这些新模型中，SMOLLM-1.35B的表现最为出色，它在基于Mixtral-8x7B-Instruct-v0.1和Cosmopedia v2的两个不同的Python教育上都表现出色，甚至超过了其他参数量更少的模型。具体来说，SmolLM-1.35B在这些任务上的性能分别得到了92%和94%的好评。
接下来，我们来看看SMOLLM-360M的测试成绩。这款模型在基于Mixtral-8x7B-Instruct-v0.1和Cosmopedia v2的任务上也表现优秀，其性能达到了94%的好评。而相比其他的模型，其测试成绩更是远超其他所有小于5亿参数以下的模型。
对于那些小型模型，例如SMOLLM-1.7B，其测试成绩更是超越了所有参数量小于20亿参数的模型，包括微软 Phi-1.5、MobileLLM-1.5B及Qwen2。
总结：
这三款新的小语言模型均在特定的教育上表现出色，并且在大型模型中也能保持良好的性能。尽管它们的数量较少，但它们的技术突破性是非常重要的。未来的开发人员可以期待更多的这样的模型，以便更好地满足用户的需求。
总的来说，这次的成功发布是Hugging Face对人工智能技术的一个重要贡献，也是对未来智能设备的巨大期待。