MMLSTM (WT-103)
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
- Beijing University of Posts and Telecommunications,University of West London
- Typ organizace
- Academia,Academia
- Země
- China, United Kingdom of Great Britain and Northern Ireland
- Publikováno
- 5 December 2019
- Autoři
- Kai Shuang, Rui Li, Mengyu Gu, Jonathan Loo, Sen Su
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
- 75M
- Výcviková data
- 103,000,000 tokens
- Epochy
- 50
Table VII
size of WT 103
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
- 2.3 × 10¹⁸ FLOP
- Jak bylo ustanoveno
- Operation counting
6 FLOP / token / parameter * 75000000 parameters * 103000000 tokens * 50 epochs [assumption] = 2.3175e+18 FLOP
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
- Unreleased
Jak je to klasifikováno
Štítky aplikačních datových sad, které se používají při sledování významných modelů, a jak jistý je ve záznamu.
- Záznam důvěry
- Likely
- Citace
- 19
- Benchmark data
- MMLSTM
Žrovy
Odkud tento záznam pochází a kdy byl naposledy zkontrolován.
- Reference
- Major–Minor Long Short-Term Memory for Word-Level Language Model
- Nap poslední aktualizace
- 11 February 2026
Co čísla znamenají
Odkud to přišlo
MMLSTM (WT-103) byl zveřejněn Beijing University of Posts and Telecommunications,University of West London, v zemi zaznamenané jako China, během December 2019. Vychází z organizace, která je kategorizována jako academia,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.
Trénink a původ
Produkce toho vyžadovala aritmetiku v celkové výši přibližně 2.3 × 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
MMLSTM (WT-103) — běžné otázky
MMLSTM (WT-103)— Je to OPEN SOURCE?
Ne. Jeho váhy nebyly zveřejněny, takže existuje pouze jako služba řízená jeho vlastníkem.
MMLSTM (WT-103)— kolik má parametrů?
Má počet parametrů 75M. Table VII. Tato cifra je celková a rozhoduje o tom, kolik VRAM model potřebuje — přibližně půl gigabajtu na miliardu při kompresi, kterou většina lidí používá.
MMLSTM (WT-103)— Kdo to vytvořil?
Bylo to publikováno společností Beijing University of Posts and Telecommunications,University of West London, zakládající se na China, organizace zařazená jako academia,Academia.
MMLSTM (WT-103)— Kdy byl vydán?
Bylo to zveřejněno v December 2019. Schopnost na parametr se od té doby výrazně zlepšila, takže novější model stejné velikosti je často lepším využitím stejného hardwaru.
MMLSTM (WT-103)— 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.
MMLSTM (WT-103)— kolik výpočetního výkonu bylo použito k jeho trénování?
Trénink spotřeboval kolem 2.3 × 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.
MMLSTM (WT-103)— 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.
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.