OpenHermes-13B vs ParsersVC

OpenHermes-13B est un modèle linguistique finement ajusté basé sur un ensemble de données entièrement open source comprenant 242 000 entrées, principalement générées par GPT-4 et sélectionnées à partir de divers ensembles de données open AI. Il a été développé pour améliorer la génération de texte en supprimant les avertissements et refus liés à l'IA, visant à produire des sorties de communication plus claires et plus directes. Le modèle intègre des données provenant de plusieurs contributeurs, dont Teknium, l'équipe WizardLM, Microsoft et d'autres, garantissant une base d'entraînement diversifiée et complète.

Ce modèle est destiné aux développeurs et chercheurs qui souhaitent une alternative open source pour des tâches avancées de génération de texte sans les avertissements de sécurité typiques de l'IA. Il prend en charge l'intégration avec des bibliothèques d'apprentissage automatique populaires comme Transformers et peut être déployé localement ou via Docker, rendant son utilisation accessible pour l'expérimentation et la production.

OpenHermes-13B offre de la transparence dans son processus d'entraînement, avec un accès public aux logs de son projet WANDB et aux résultats détaillés des benchmarks. Il affiche des performances compétitives sur des benchmarks tels que GPT4All et BigBench, avec de légères améliorations par rapport à des modèles similaires, bien qu'il présente certains compromis dans les scores AGI-Eval.

Techniquement, il a été entraîné en utilisant des configurations multi-GPU avec l'optimiseur Adam et une programmation du taux d'apprentissage cosine, mettant l'accent sur la reproductibilité et la collaboration ouverte. Le modèle est compatible avec divers outils d'inférence et de quantification, permettant une utilisation dans des environnements comme llama.cpp et LM Studio.

Dans l'ensemble, OpenHermes-13B constitue une ressource précieuse pour ceux qui recherchent un modèle linguistique puissant, open source, finement ajusté pour le suivi des instructions et la génération de texte, sans disclaimers restrictifs sur l'IA, adapté à la recherche, au développement et au déploiement dans diverses applications d'IA.

ParsersVC extrait et indexe les fonds de capital-risque, les startups et les tours de financement dans une base de données consultable mise à jour quotidiennement. Son pipeline analyse plus d'un million de sites web par jour, couvrant les portefeuilles des sociétés de capital-risque, les changements d'équipe, les mentions dans les actualités et les tours nouvellement annoncés. Vous pouvez filtrer plus de 28 000 sociétés de capital-risque par localisation, catégorie d'investissement et activité récente.

Alors que Crunchbase et PitchBook facturent des contrats d'entreprise, ParsersVC vend un accès basé sur des crédits à partir de 10 crédits pour 1 $, avec un plan Pro à 29 $ par mois pour des résultats de recherche plus approfondis. La fonctionnalité Venture Matching évalue la compatibilité entre startups et investisseurs, et un algorithme prédictif note l'attractivité des investissements selon 26 paramètres avec environ 90 % de précision sur des profils détaillés.

Les fondateurs utilisent ParsersVC pour trouver des VC actifs par secteur et stade. Les investisseurs consultent les profils de startups avec historique de financement, valorisations et données LinkedIn des équipes. Des clients entreprises comme McKinsey et VentureCap Insights licencient le jeu de données via une API REST. Une newsletter hebdomadaire atteint plus de 30 000 abonnés avec des actualités sur les financements et des histoires de réussite.