RLAMA vs GLM-130B

RLAMA construye sistemas RAG locales y equipos multiagente desde tu terminal en macOS, Linux o Windows. Indexas carpetas de archivos PDF, Markdown y código, luego los consultas a través de modelos de Ollama, OpenAI o Hugging Face sin enviar datos a servidores externos. El proyecto de código abierto también incluye un constructor visual de RAG en rlama.dev.

La mayoría de las herramientas RAG se limitan a preguntas y respuestas sobre documentos. RLAMA añade roles de agentes, conexión de herramientas y flujos de trabajo de equipos para que una sesión de terminal pueda encadenar investigadores, escritores y programadores mediante pasos secuenciales o paralelos. La supervisión de directorios mantiene los índices RAG actualizados cuando los archivos cambian, y una API HTTP expone los mismos sistemas a otras aplicaciones.

Los desarrolladores que crean bases de conocimiento privadas, equipos de investigación que indexan documentos y ingenieros que desean búsqueda de documentos sin conexión usan RLAMA para incrustaciones y fragmentación locales. Los mantenedores del proyecto indican que el desarrollo activo está pausado, pero la CLI de código abierto y la documentación siguen disponibles para su instalación.

GLM-130B ofrece un modelo de lenguaje bilingüe de 130 mil millones de parámetros en la pila de investigación abierta THUDM, construida alrededor de la receta de preentrenamiento General Language Model (GLM). Los pesos están dirigidos a texto en inglés y chino, y el repositorio de GitHub incluye código de inferencia, tareas de evaluación y puntos de control aceptados en ICLR 2023. Puedes ejecutar generación de izquierda a derecha o relleno en blanco con los tokens [MASK] y [gMASK] en hardware que quepa en un solo servidor multi-GPU en lugar de una API propietaria.

Mientras que la mayoría de los modelos de más de 100 mil millones permanecen cerrados, GLM-130B publica pesos del modelo, notas de entrenamiento y configuraciones YAML para más de 30 benchmarks. Su ruta de cuantización INT4 está ajustada para que cuatro tarjetas RTX 3090 (24GB) puedan alojar la inferencia con casi ninguna pérdida de precisión, un umbral mucho más bajo que la configuración de ocho A100 (40GB) usada para ejecuciones completas en FP16. El objetivo de entrenamiento mezcla relleno en blanco autorregresivo en el 95% de los tokens con datos de instrucciones multitarea de T0++ y DeepStruct, lo cual es una apuesta diferente al preentrenamiento causal estándar estilo GPT.

Los investigadores que estudian transferencia cero disparo bilingüe, cuantización de modelos grandes o benchmarks reproducibles de LLM obtendrán el máximo provecho de GLM-130B. El repositorio se enfoca en herramientas de evaluación e inferencia más que en un producto de chat alojado, aunque THUDM luego derivó el trabajo de diálogo en ChatGLM. Se espera que traigas tus propias GPUs, almacenamiento para un punto de control de 260GB y paciencia para el formulario de descarga de pesos.