RLAMA vs GLM-130B

RLAMA constrói sistemas RAG locais e equipes multiagentes a partir do seu terminal no macOS, Linux ou Windows. Você indexa pastas de PDFs, arquivos Markdown e de código, e depois os consulta por meio dos modelos Ollama, OpenAI ou Hugging Face sem enviar dados para servidores externos. O projeto open-source também inclui um construtor visual de RAG em rlama.dev.

A maioria das ferramentas RAG para na pergunta e resposta de documentos. RLAMA adiciona papéis de agentes, conexão de ferramentas e fluxos de trabalho de equipes para que uma sessão de terminal possa encadear pesquisadores, escritores e programadores em etapas sequenciais ou paralelas. A observação de diretórios mantém os índices RAG atualizados quando os arquivos mudam, e uma API HTTP expõe os mesmos sistemas para outros aplicativos.

Desenvolvedores que constroem bases de conhecimento privadas, equipes de pesquisa que indexam artigos e engenheiros que desejam busca offline em documentos usam RLAMA para embeddings e fragmentação locais. Os mantenedores do projeto informam que o desenvolvimento ativo está pausado, mas a CLI open-source e a documentação continuam disponíveis para instalação.

GLM-130B coloca um modelo bilíngue de linguagem com 130 bilhões de parâmetros na pilha de pesquisa aberta THUDM construída em torno da receita de pré-treinamento do General Language Model (GLM). Os pesos são direcionados para textos em inglês e chinês, e o repositório do GitHub disponibiliza código de inferência, tarefas de avaliação e checkpoints aceitos no ICLR 2023. Você pode executar geração da esquerda para a direita ou preenchimento em branco com tokens [MASK] e [gMASK] em hardware que caiba em um único servidor multi-GPU, em vez de uma API proprietária.

Enquanto a maioria dos modelos com mais de 100 bilhões de parâmetros permanece fechada, o GLM-130B publica pesos do modelo, notas de treinamento e configurações YAML para mais de 30 benchmarks. Seu caminho de quantização INT4 é ajustado para que quatro placas RTX 3090 (24GB) possam hospedar a inferência com quase nenhuma perda de precisão, um requisito muito menor do que a configuração com oito A100 (40GB) usada para execuções completas em FP16. O objetivo de treinamento mistura preenchimento em branco autorregressivo em 95% dos tokens com dados de instrução multitarefa do T0++ e DeepStruct, o que é uma aposta diferente do pré-treinamento causal padrão no estilo GPT.

Pesquisadores que estudam transferência zero-shot bilíngue, quantização de grandes modelos ou benchmarks reproduzíveis de LLMs obterão o máximo do GLM-130B. O repositório foca em ferramentas de avaliação e inferência em vez de um produto de chat hospedado, embora o THUDM tenha posteriormente desmembrado o trabalho de diálogo no ChatGLM. Espere trazer suas próprias GPUs, armazenamento para um checkpoint de 260GB e paciência para o formulário de download dos pesos.