Tensor Learn startet mit den Fragen, die Menschen vor der Freigabe von Modellspeicher stellen

Tensor Learn ist unsere öffentliche Referenzebene für Menschen, die keinen weiteren allgemeinen AI-Erklärtext benötigen. Sie müssen wissen, wo die Modelle liegen, was die Dateien bedeuten, was ein Speicherergebnis tatsächlich nachweist und wie sie vor einer Bereinigung wiederherstellen.

Warum es diese Inhalte gibt

Lokale AI-Modellbibliotheken sammeln sich an unerwarteten Orten: in einem Laufzeitordner, einem Hub-Cache, einem Projektausgabeverzeichnis oder einer Sammlung von LoRAs mit einem nur noch vage erinnerten Basismodell. Suchergebnisse springen von diesem realen Betriebsproblem häufig direkt zu einer drastischen Maßnahme — löschen, quantisieren, konvertieren — ohne die Anforderung zu unterscheiden.

Tensor Archive hat bei dieser Entscheidung eine klar umrissene Aufgabe: zusammengehörige lokale Modellversionen archivieren, ihre Wiederherstellbarkeit prüfen und eine separate exakte Kopie wiederherstellen, bevor eine redundante Arbeitskopie entfernt wird. Es ist nicht für jede Speicherfrage die richtige Antwort; deshalb müssen die Inhalte die Grenze ausdrücklich benennen.

Drei Bereiche statt eines einzigen Inhaltstopfs

Tensor Wiki beantwortet direkte betriebliche Fragen: wo sich ein Cache befindet, welche Einstellung einen Pfad ändert oder was ein Fachbegriff bedeutet. Versionsabhängige Aussagen verweisen auf die Originaldokumentation.

Tensor Blog behandelt eine Entscheidung oder einen Arbeitsablauf: eine vollständige LoRA-Bibliothek, die Wahl zwischen exakter Speicherung und Quantisierung oder abgeschlossene Artefakte eines Feinabstimmungsprojekts. Diese Leitfäden beginnen mit dem Problem und der Beschränkung und beschreiben anschließend den passenden Produktablauf.

Tensor News dokumentiert Produkt- und Ökosystemänderungen nur, wenn sie eine echte lokale Speicher- oder Wiederherstellungsentscheidung betreffen. Es ist bewusst kein allgemeiner AI-Nachrichtenstrom.

Der redaktionelle Maßstab

• Beantworten Sie die Frage, bevor Sie das Produkt vorstellen.
• Arbeitslast und Beschränkung neben jeder Benchmark-Zahl angeben.
• Benennen Sie, wann Tensor Archive nicht das richtige Werkzeug ist.
• Verwenden Sie Fachbegriffe präzise, aber erklären Sie sie, ohne von oben herab zu schreiben.
• Empfehlen Sie niemals, ursprüngliche Modelldaten zu entfernen, bevor eine separate Wiederherstellung geprüft und getestet wurde.

Die ersten hilfreichen Seiten

Beginnen Sie im Wiki, wenn Sie sofort eine Antwort benötigen: Speicherort des Hugging Face-Caches, Ollama-Modellpfade oder LoRA im Vergleich zu QLoRA. Wechseln Sie zum Blog, wenn die Frage lautet, ob eine zusammengehörige Familie archiviert, gelöscht, quantisiert oder bewahrt werden soll. Wir ergänzen Seiten, wenn sie demselben Maßstab entsprechen — nicht allein deshalb, weil es ein Suchwort gibt.