LMSI-Palm
Keine Schätzung
Keine Hardwareanforderungen für dieses Modell
Die Gewichte für dieses Modell wurden nicht veröffentlicht, daher kann es nicht heruntergeladen oder auf Ihrer eigenen Hardware in beliebiger Größe betrieben werden. Es ist nur über seinen Anbieter erreichbar, und keine Grafikkarte ändert das..
Aufgezeichnet
Volle Spezifikation
Alles, was in unserer Datenbank für dieses Modell aufgezeichnet ist. Der Großteil beschreibt, wie es trainiert wurde, anstatt wie es läuft — nützlicher Kontext zur Beurteilung, wie viel Arbeit darin steckt und wie es sich mit Modellen vergleicht, die in einem anderen Maßstab erstellt wurden..
Ursprung
Wer hat dieses Modell gebaut, wo und wann es veröffentlicht wurde.
- Organisation
- Google,University of Illinois Urbana-Champaign (UIUC)
- Organisationsart
- Industry,Academia
- Land
- United States of America
- Veröffentlicht
- 20 October 2022
- Autoren
- Jiaxin Huang, Shixiang Shane Gu, Le Hou, Yuexin Wu, Xuezhi Wang, Hongkun Yu, Jiawei Han
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language generation, Language modeling/generation, Question answering, Mathematical reasoning
- Basis-Modell
- PaLM (540B)
Größe
Wie groß das Modell ist und wie viele Daten damit trainiert wurden. Parameter sind die Zahl, die entscheidet, ob es auf einer bestimmten GPU-Karte passt.
- Parameter
- 540B
- Trainingsdaten
- 1,920,000 tokens
540B
Verfügbarkeit
Ob Sie das Modell beziehen und es auf Ihrer eigenen Hardware ausführen können, bestimmt, ob eine der Grafikkarten-Zahlen auf dieser Seite zutrifft.
- Gewichte
- Closed — provider access only
- Modellzugang
- Unreleased
- Training-Code
- Unreleased
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Warum es verfolgt wird
- SOTA improvement
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 851
Table 3 "We show that our approach improves the general reasoning ability of a 540B-parameter LLM (74.4%->82.1% on GSM8K, 78.2%->83.0% on DROP, 90.0%->94.4% on OpenBookQA, and 63.4%->67.9% on ANLI-A3) and achieves state-of-the-art-level performance, without any ground truth label."
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Large Language Models Can Self-Improve
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Woher es kam
LMSI-Palm wurde veröffentlicht von Google,University of Illinois Urbana-Champaign (UIUC), im Land aufgezeichnet als United States of America, während October 2022. Die veröffentlichende Organisation ist als industry,Academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language generation, Language modeling/generation, Question answering, Mathematical reasoning.
Es basiert auf PaLM (540B). Das ist der Grund, warum es die allgemeine Form und Größe des Basis-Modells teilt.
Da die Gewichte nicht verfügbar sind, gelten keine der Hardwareangaben an anderer Stelle auf dieser Seite für sie.
Wie es trainiert wurde
Es wurde auf einem Korpus von etwa 1,920,000 Text-Tokens
Das Einschlusskriterium: sOTA improvement.
Antworten
LMSI-Palm — Häufige Fragen
LMSI-Palm— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language generation, Language modeling/generation, Question answering, Mathematical reasoning. Dies sind die Bereiche, um die es entworfen wurde; sie beschreiben die Absicht und nicht eine harte Grenze.
LMSI-Palm— Welche GPU benötige ich, um es auszuführen?
Dieses ist ein geschlossenes Modell — seine Gewichte wurden nie veröffentlicht, sodass es zu keinem Preis heruntergeladen oder auf Ihrer eigenen Hardware ausgeführt werden kann. Es ist nur über seinen Anbieter erreichbar.
LMSI-Palm— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
LMSI-Palm— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 540B. 540B. Diese Zahl ist die Gesamtsumme, und sie bestimmt, wie viel MEMORY das MODEL benötigt – ungefähr ein halbes Gigabyte pro Milliarde bei der Kompression, die die meisten Menschen verwenden.
LMSI-Palm— Wer hat es erstellt?
Es wurde veröffentlicht von Google,University of Illinois Urbana-Champaign (UIUC), basiert auf United States of America, eine als kategorisierte Organisation industry,Academia.
LMSI-Palm— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in October 2022. Die Fähigkeit pro Parameter hat sich erheblich verbessert, sodass ein neueres Modell derselben Größe oft die bessere Nutzung derselben Hardware darstellt.
Die andere Richtung
Von der anderen Seite aus betrachten?
Diese Seite beginnt mit dem Modell. Wenn Sie bereits eine Karte besitzen und alles wissen möchten, was sie ausführen wird, Starte stattdessen von der Hardware.