SmolLM2：Qwen2.5 和 Llama 3.2 的最佳替代品

而且它是完全开放的！

Hugging Face 加大了对 SmolLM 计划的投入。

他们发布了 SmolLM2：1.7B、360M 和 135M 模型，训练于 11T 令牌（相比 SmolLM 的 1T）。他们发布了基础版和指导版：

• Hugging Face Collection: SmolLM2 (Apache 2.0 许可证)

他们使用了新的数据集进行预训练，计划很快发布。为了制作指导版，他们使用了类似于训练 Zephyr 的配方（SFT+DPO 在 ultrafeedback 上）。

看起来 SmolLM2 的表现非常出色：

请注意，Hugging Face 完全公开了预训练数据和他们用来防止数据污染的配方。换句话说，他们发布的评估结果可能是准确且完全可重复的。

Hugging Face 使用了自己的框架进行预训练，Nanotron。我从未写过关于 Nanotron 的文章，但我认为这是一个非常有趣的项目，值得更广为人知，特别是如果你有兴趣了解预训练是如何进行的。我会尽量找时间在 2025 年之前发布一篇解释 Nanotron 的文章！

Meta 还发布了一系列小型模型，MobileLLM：

• Hugging Face Collection: MobileLLM (CC-BY-NC)

这是一个新发布的项目，但请注意，这些模型实际上相当旧。它们是为 2024 年 2 月发布的这项工作训练的：

MobileLLM: Optimizing Sub-billion Parameter Language Models for On-Device Use Cases

通过我的新书“LLMs on a Budget”，了解使用和微调大型语言模型所需的一切：