ChunkLlama2-13B
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti pro tento model nebyly zveřejněny, takže jej nelze stáhnout ani spustit na vlastním hardwaru v žádné velikosti. Je dostupný pouze prostřednictvím svého poskytovatele, a žádná změna grafické karty to nezmění..
Na záznamu
Plná specifikace
Všechno o tomto modelu v záznamech. Většina z toho popisuje, jak byl trénován, spíše než jak funguje — užitečný kontext pro posouzení, kolik práce do něj bylo vynaloženo, a jak se srovnává s modely postavenými na jiné úrovni..
Původ
Kdo vytvořil tento model, kde a kdy byl publikován.
- Organizace
- Alibaba,The University of Hong Kong,Fudan University
- Typ organizace
- Industry,Academia,Academia
- Země
- China, Hong Kong
- Publikováno
- 29 May 2024
- Autoři
- Chenxin An, Fei Huang, Jun Zhang, Shansan Gong, Xipeng Qiu, Chang Zhou, Lingpeng Kong
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling/generation, Question answering
- Základní model
- Llama 2-13B
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 13B
- Výcviková data
- 256,000,000 tokens
same as base model
The training dataset is sourced from ShareGPT and AlpacaGPT (Taori et al., 2023). For the data derived from ShareGPT, we specifically curate a subset by extracting responses generated by GPT-4, and dialogues that exceed 4k tokens in length. This selection results in a compilation of 5,405 training instances. We further finetune Llama2 with over 16k steps with a batch size of 1. prompt length 16k tokens ->16000 steps*16000 tokens= 256000000 tokens
Výpočty pro trénink
Aritmetika prováděná k trénování modelu, měřená v operacích s plovoucí desetinnou čárkou. Je to měřítko toho, kolik stál tréninkový běh, ne jak rychle hotový model na vás odpovídá.
- Jak bylo ustanoveno
- Hardware,Operation counting
- Ladění výpočtů
- 2 × 10¹⁹ FLOP
6 FLOP/parameter/token * 13000000000 parameters * 256000000 tokens = 19968000000000000000 FLOP 312000000000000 FLOP/GPU/sec * 60 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 20217600000000000000 FLOP sqrt(19968000000000000000*20217600000000000000) = 2.0092412e+19
Tréninkový běh
Co fyzicky vyžadovalo trénování: které čipy, kolik, jak dlouho a co to vyžadovalo ze zásuvky.
- Tréninkový hardware
- NVIDIA A100 SXM4 80 GB
- Čip-hodiny
- 60
Dostupnost
Zda můžete získat model a spustit ho na svém vlastním hardwaru, což rozhoduje o tom, zda se některé z čísel grafických karet na této stránce vztahují.
- Hmotnosti
- Closed — provider access only
- Přístup k modelu
- Unreleased
- Tréninkový kód
- Open source
Apache 2.0 https://github.com/HKUNLP/ChunkLlama
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Training-Free Long-Context Scaling of Large Language Models
- Nap poslední aktualizace
- 28 November 2025
Co čísla znamenají
Pozadí
ChunkLlama2-13B byl zveřejněn Alibaba,The University of Hong Kong,Fudan University, v zemi zaznamenané jako China, během May 2024. Kategorie, do které vydavatel spadá, je industry,Academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling/generation, Question answering.
Staví na Llama 2-13B. To je obvyklý způsob, jak je specializovaný model vytvářen.
Protože váhy nejsou k dispozici, žádné z hardwarových údajů na tomto webu se na něj nevztahují.
Trénink a původ
Trénink spotřeboval korpus kolem 256,000,000 tokeny textu
Odpovědi
ChunkLlama2-13B — běžné otázky
ChunkLlama2-13B— Jakou GPU potřebuji k jejímu spuštění?
Žádné. Toto je uzavřený model — jeho váhy nikdy nebyly zveřejněny, takže jej nelze stáhnout nebo spustit na vlastním hardwaru za žádnou cenu. Je dostupný pouze prostřednictvím jeho poskytovatele.
ChunkLlama2-13B— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
ChunkLlama2-13B— kolik má parametrů?
Má počet parametrů 13B. same as base model. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
ChunkLlama2-13B— Kdo to vytvořil?
Bylo to publikováno společností Alibaba,The University of Hong Kong,Fudan University, zakládající se na China, organizace zařazená jako industry,Academia,Academia.
ChunkLlama2-13B— Kdy byl vydán?
Bylo to zveřejněno v May 2024. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
ChunkLlama2-13B— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling/generation, Question answering. Modely často obsahují více než jeden z každého a štítky popisují účel spíše než omezení schopností.
Druhý směr
Díváte se na to z druhé strany?
Tato stránka začíná od modelu. Pokud již vlastníte kartu a chcete vědět všechno, co bude spuštěno, začněte raději od hardwaru.