基于Llama-3.1的新功能调用模型

我们刚刚发布了基于Llama-3.1的新功能调用模型：

https://huggingface.co/meetkai/functionary-small-v3.1：该模型使用与Meta描述完全相同的提示模板进行工具调用，详情请参阅：自定义工具调用

https://huggingface.co/meetkai/functionary-small-v3.2：该模型使用我们自己的提示模板，带有实际数据点的模板示例可在此处找到：这里

在我们的内部基准测试中，v3.2比v3.1略胜一筹，并且这些模型比我们之前的模型更优秀

您可以在此仓库中构建一个与OpenAI兼容的服务：https://github.com/MeetKai/functionary

Reddit用户对新发布的基于Llama-3.1的功能调用模型表现出浓厚兴趣，讨论涵盖了模型的性能比较、训练数据集的构成、标准化需求以及未来集成计划。用户关注模型的具体应用场景，如家庭自动化系统，并对模型的链接有效性、标记化稳定性等问题进行了深入探讨。

👍 训练数据集的构成和来源
- 支持理由：用户对模型的训练数据集构成和来源表示关注，认为这直接影响模型的性能和可靠性。
- 反对声音：无明显反对声音，但有用户提出希望看到更多透明度。
🔥 标准化需求
- 正方观点：用户认为函数调用架构需要一个标准，以促进代码或API存储库的建立。
- 反方观点：无明显反方观点，但有用户提出实施标准可能面临技术挑战。
💡 模型链接的有效性
- 支持理由：用户发现并修复了v3.2模型的链接错误，确保了模型的可用性。
- 反对声音：无明显反对声音，但有用户提出应加强链接的稳定性测试。
🚀 未来集成计划
- 支持理由：用户对未来将模型集成到Ollama平台表示期待，认为这将扩大模型的应用范围。
- 反对声音：无明显反对声音，但有用户提出集成过程中可能遇到的技术难题。
🌟 标记化稳定性
- 支持理由：用户讨论了不同模型的标记化稳定性问题，认为这是选择模型的重要考量因素。
- 反对声音：无明显反对声音，但有用户提出应进一步优化标记化算法。

“😂 Relevant_Outcome_726：The training data was mostly created by synthetic method and collected from public sources.”
- 亮点：清晰解释了训练数据的构成，增加了透明度。
“🤔 Bitter-Raisin-3251：I think Apple could be the one implementing it first in iOS and Mac OS.”
- 亮点：提出了一个有趣的预测，引发了对未来技术趋势的讨论。
“👀 Master-Meal-77：404 on the v3.2 link”
- 亮点：指出了一个实际问题，促进了社区的协作解决。

讨论的总体情感倾向积极，用户对新模型的发布表示欢迎，并对模型的性能和应用前景充满期待。主要分歧点在于模型的标准化需求和未来集成计划，用户对此持有不同观点，但整体上对技术进步持乐观态度。