NLM
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
- Carnegie Mellon University (CMU),University of California San Diego
- Organisationsart
- Academia,Academia
- Land
- United States of America
- Veröffentlicht
- 9 September 2021
- Autoren
- Junxian He, Graham Neubig, Taylor Berg-Kirkpatrick
Was es tut
Die Problemfelder, für die das Modell entwickelt wurde. Ein Modell kann mehrere davon tragen.
- Domain
- Language
- Aufgabe
- Language modeling
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
- 247M
- Trainingsdaten
- tokens
The core language model is semi-parametric. There is a non-parametric component which involves learning a datastore which maps the training data to context vectors. This paper improves on the kNN-LM model primarily by reducing the size of the datastore to improve throughput. They also add a small 512 parameter neural net to adaptively adjust the interpolation hyperparameter. They use the pre-trained model from https://arxiv.org/abs/1809.10853, which had 247M trainable parameters, so the model i…
103M training tokens in WikiText-103
Training-Compute
Die Berechnung, die durchgeführt wird, um das Modell zu trainieren, gemessen in Gleitpunktoperationen. Es ist ein Maß dafür, was der Trainingslauf gekostet hat, nicht dafür, wie schnell das fertige Modell Ihnen antwortet.
- Training-Compute
- 2.8 × 10¹⁹ FLOP
- Wie es etabliert wurde
- Operation counting
The base model used was 247M parameters and trained for 286k updates with an effective batch size of 65,536 tokens. 6 * 247M * 286k * 65536 = 2.778e19 FLOPs Generating the datastore involves a single forward pass over all of the training examples, for another 2 * 247M * 103M = 5.088e16 FLOPs They also train the small retrieval adapter, but this converges in "several minutes with a single GPU" and so is unlikely to contribute significantly. The only other computationally expensive step is the…
Der Trainingslauf
Was es physisch gekostet hat, um zu trainieren: welche Chips, wie viele, wie lange und was das aus der Wand gezogen hat.
- Trainingshardware
- NVIDIA GeForce RTX 3090
- Verwendete Chips
- 1
- Stromverbrauch
- 388 W
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
- Open source
MIT for code: https://github.com/jxhe/efficient-knnlm
Wie es klassifiziert ist
Labels, die das Quell-Datenset anwendet, wenn bemerkenswerte Modelle verfolgt werden, und wie zuversichtlich es in den Eintrag ist.
- Aufzeichnungsgenauigkeit
- Confident
- Zitationen
- 123
- Benchmark-Daten
- NLM
Quellen
Woher dieser Datensatz stammt und wann er zuletzt überprüft wurde.
- Referenz
- Efficient Nearest Neighbor Language Models
- Zuletzt aktualisiert
- 25 May 2026
Was die Zahlen bedeuten
Über dieses Modell
NLM wurde veröffentlicht von Carnegie Mellon University (CMU),University of California San Diego, im Land aufgezeichnet als United States of America, während September 2021. Es stammt aus einer Organisation, die kategorisiert ist als academia,Academia.
Es funktioniert im Bereich von Language, und wird als die Aufgabe von aufgezeichnet language modeling.
Seine Gewichte wurden niemals veröffentlicht, daher kann es nur über seinen Anbieter erreicht werden. Keine Grafikkarten ändern das.
Wie es trainiert wurde
Die Herstellung erforderte eine Arithmetik, die insgesamt etwa 2.8 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA GeForce RTX 3090. Diese Zahl misst die Kosten für die Produktion des MODELLS und hat keinen Einfluss darauf, wie schnell es antwortet.
Antworten
NLM — Häufige Fragen
NLM— Wofür wird es verwendet?
Es funktioniert im Bereich von Language, und wird als Bewältigung der Aufgabe von language modeling. Ein Modell kann mehrere von jedem tragen, daher sind dies die Bereiche, für die es gebaut wurde, anstatt eine Begrenzung dafür, was es versuchen wird.
NLM— Wie viel Rechenleistung wurde verwendet, um es zu trainieren?
Training verbrauchte etwa 2.8 × 10¹⁹ FLOP, auf Hardware erfasst als NVIDIA GeForce RTX 3090. Das misst, was die Produktion des Modells gekostet hat, und sagt nichts darüber aus, wie schnell es einmal trainiert antwortet — die Inferenzgeschwindigkeit kommt von der MEMORY-BANDWIDTH, nicht vom TRAINING-BUDGET.
NLM— 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.
NLM— Ist es Open-Source?
Nein. Seine Gewichte wurden nicht veröffentlicht, daher existiert es nur als ein Dienst, der von seinem Eigentümer kontrolliert wird.
NLM— Wie viele Parameter hat es?
Es hat eine Parameteranzahl von 247M. The core language model is semi-parametric. There is a non-parametric component which involves learning a datastore which maps the training data to context vectors. This paper improves on the kNN-LM model primarily by reducing the size of the datastore to improve throughput. They also add a small 512 parameter neural net to adaptively adjust the interpolation hyperparameter. They use the pre-trained model from https://arxiv.org/abs/1809.10853, which had 247M trainable parameters, so the model in this paper one has 247M + 512 parameters. 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.
NLM— Wer hat es erstellt?
Es wurde veröffentlicht von Carnegie Mellon University (CMU),University of California San Diego, basiert auf United States of America, eine als kategorisierte Organisation academia,Academia.
NLM— Wann wurde es veröffentlicht?
Es wurde veröffentlicht in September 2021. 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.