Segatron -XL base, M=150 + HCP
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
- Microsoft Research,University of Waterloo
- Typ organizace
- Industry,Academia
- Země
- United States of America, Canada
- Publikováno
- 21 March 2022
- Autoři
- He Bai, Tong Wang, Alessandro Sordoni, Peng Shi
Co to dělá
Problémové oblasti, pro které byl model vytvořen. Model může obsahovat několik z každého.
- Doména
- Language
- Úkol
- Language modeling
Velikost
Jak velký je model a kolik dat byl trénován. Parametry jsou číslo, které rozhoduje, zda se vejde na danou grafickou kartu.
- parametry
- 151M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 18.64
Table 1 reports WikiText results, Table 2 arxiv. WikiText experiments use the larger model of the two.
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.
- Výpočty pro trénink
- 1.7 × 10¹⁸ FLOP
"base model: 16 layers, 10 heads, hidden size 410, batch size 64, training steps 200k;" "The input lengths are 150 for the base model and 384 for the large model. " 6ND estimate: 6*200000*64*150*151000000=1.73952e+18
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 (non-commercial)
code, no license: https://github.com/richardbaihe/robustLM
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Confident
- Citace
- 17
- Benchmark data
- Segatron -XL base, M=150 + HCP
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Better Language Model with Hypernym Class Prediction
- Nap poslední aktualizace
- 25 May 2026
Co čísla znamenají
O tomto modelu
Segatron -XL base, M=150 + HCP byl zveřejněn Microsoft Research,University of Waterloo, v zemi zaznamenané jako United States of America, během March 2022. Vydavatelská organizace je kategorizována jako industry,Academia.
funguje v oblasti Language, a je zaznamenán jako vykonávající úkol language modeling.
Toto je uzavřený model: trénované hodnoty zůstaly u toho, kdo je vyprodukoval, a není k dispozici žádná místní verze k spuštění.
Co bylo zapotřebí k jeho vybudování
Trenovací běh spotřeboval asi 1.7 × 10¹⁸ FLOP. Tato částka měří, kolik stál výroba modelu, a nemá žádný vliv na to, jak rychle odpovídá.
Trénink spotřeboval korpus kolem 103,000,000 tokeny textu
Odpovědi
Segatron -XL base, M=150 + HCP — běžné otázky
Segatron -XL base, M=150 + HCP— 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.
Segatron -XL base, M=150 + HCP— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
Segatron -XL base, M=150 + HCP— kolik má parametrů?
Má počet parametrů 151M. Table 1 reports WikiText results, Table 2 arxiv. WikiText experiments use the larger model of the two. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
Segatron -XL base, M=150 + HCP— Kdo to vytvořil?
Bylo to publikováno společností Microsoft Research,University of Waterloo, zakládající se na United States of America, organizace zařazená jako industry,Academia.
Segatron -XL base, M=150 + HCP— Kdy byl vydán?
Bylo to zveřejněno v March 2022. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
Segatron -XL base, M=150 + HCP— K čemu se to používá?
funguje v oblasti Language, a je zaznamenáno jako zpracovávající úkol language modeling. Toto jsou oblasti, kolem nichž byl navržen; popisují záměr spíše než tvrdou hranici.
Segatron -XL base, M=150 + HCP— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 1.7 × 10¹⁸ FLOP. To měří, co stálo výrobu modelu, a neříká nic o tom, jak rychle odpovídá po natrénování — rychlost inferencí závisí na šířce pásma paměti, nikoli na rozpočtu na trénink.
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.