SimCSE
Žádný odhad
Žádné hardwarové požadavky pro tento model
Hmotnosti tohoto modelu jsou otevřené, ale žádný počet parametrů pro něj nebyl zveřejněn. Každé číslo týkající se paměti a rychlosti vychází z této hodnoty, takže bychom raději nic neukázali, než fabrikaovaný odhad..
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
- Princeton University,Tsinghua University
- Typ organizace
- Academia,Academia
- Země
- United States of America, China
- Publikováno
- 18 May 2022
- Autoři
- Tianyu Gao, Xingcheng Yao, Danqi Chen
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Semantic embedding
- Základní model
- RoBERTa Large
- Číselný formát
- FP16
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- Výcviková data
- 27,363,505 tokens
- Epochy
- 3
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
- Open — downloadable
- Přístup k modelu
- Open weights (unrestricted)
- Tréninkový kód
- Open source
- Hugging Face
- princeton-nlp
Unclear lisense: https://huggingface.co/princeton-nlp/sup-simcse-roberta-large MIT license: https://github.com/princeton-nlp/SimCSE?tab=readme-ov-file
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Proč je to sledováno
- Highly cited,SOTA improvement
- Záznam důvěry
- Likely
- Citace
- 4,419
"We evaluate SimCSE on standard semantic textual similarity (STS) tasks, and our unsupervised and supervised models using BERT base achieve an average of 76.3% and 81.6% Spearman's correlation respectively, a 4.2% and 2.2% improvement compared to the previous best results." Table 5
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- SimCSE: Simple Contrastive Learning of Sentence Embeddings
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
Co je tento MODEL
SimCSE byl zveřejněn Princeton University,Tsinghua University, v zemi zaznamenané jako United States of America, během May 2022. Vychází z organizace, která je kategorizována jako academia,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol semantic embedding.
Jeho výchozím bodem byl existující základní model, RoBERTa Large. To je důvod, proč sdílí obecný tvar a velikost základního modelu.
Zveřejněné váhy znamenají, že model běží na vašem stroji, nikoli na stroji někoho jiného, což činí otázku ohledně hardwaru níže odpovídatelnou. Na Hugging Face je publikováno pod organizací princeton-nlp.
Trénink a původ
Tréninková sada běžela na přibližně 27,363,505 tokeny textu
Jeho kritérium zahrnutí: highly cited,SOTA improvement.
Odpovědi
SimCSE — běžné otázky
SimCSE— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol semantic embedding. Model může nést několik z každého, takže to jsou oblasti, pro které byl navržen, spíše než omezení toho, co se pokusí.
SimCSE— kde si to mohu stáhnout?
Jeho váhy jsou publikovány na Hugging Face, pod organizací princeton-nlp. Na našem webu nenabízíme soubory modelů — tento web vypočítává, jaký hardware je potřebný pro jejich spuštění.
SimCSE— Jakou GPU potřebuji k jejímu spuštění?
Nemůžeme říct. Má otevřené váhy, ale žádný počet parametrů pro něj nebyl zveřejněn a každý výpočet paměti a rychlosti začíná od toho čísla. Raději bychom ukázali nic než vykonstruovaný odhad.
SimCSE— Je to OPEN SOURCE?
Jeho váhy jsou zveřejněny, takže si je lze stáhnout a spustit na vlastním hardwaru. Všimněte si, že open WEIGHTS není totéž co open SOURCE v plném smyslu — neříká nic o tréninkových datech, tréninkovém kódu nebo obchodních podmínkách připojených.
SimCSE— kolik má parametrů?
Pro něj nebyl zveřejněn žádný počet parametrů, a proto se na této stránce neobjevují žádné údaje o paměti nebo rychlosti.
SimCSE— Kdo to vytvořil?
Bylo to publikováno společností Princeton University,Tsinghua University, zakládající se na United States of America, organizace zařazená jako academia,Academia.
SimCSE— Kdy byl vydán?
Bylo to zveřejněno v May 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
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.