TAIWAN-LLM 7B

Pesos cerrados National Taiwan University 7B parámetros November 2023

Sin estimación

Sin requisitos de hardware para este modelo

Los pesos para este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en tu propio hardware de ningún tamaño. Solo se puede acceder a través de su proveedor, y ningún cambio de tarjeta gráfica eso..

En registro

especificación completa

Todo en archivo para este modelo. La mayor parte describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se invirtió en él y cómo se compara con modelos construidos a una escala diferente..

Origen

Quién construyó este modelo, dónde, y cuándo fue publicado.

Organización
National Taiwan University
Tipo de Organización
Academia
País
Taiwan
Publicado
23 November 2023
Autores
Yen-Ting Lin, Yun-Nung Chen

Lo que hace

Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.

Dominio
Language
Tarea
Chat
Modelo base
Llama 2-7B

Tamaño

Qué tan grande es el modelo y cuántos datos se usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.

parámetros
7B
Datos de entrenamiento
tokens

La ejecución de entrenamiento

Lo que costó físicamente entrenar: qué chips, cuántos, por cuánto tiempo y qué eso consumió de la pared.

Hardware de entrenamiento
NVIDIA H100 SXM5 80GB
Chips utilizados
48
Consumo de energía
66.6 kW

Cómo está clasificado

Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.

Confianza de registro
Confident
Citas
34

Fuentes

De dónde proviene este registro y cuándo fue comprobado por última vez.

Referencia
"TAIWAN-LLM: Bridging the Linguistic Divide with a Culturally Aligned Language Model"
Última actualización
25 May 2026

Qué significan los números

Fondo

TAIWAN-LLM 7B fue publicado por National Taiwan University, en el país registrado como Taiwan, durante November 2023. La categoría en la que se encuentra el editor es academia.

Funciona en el dominio de Language, y se registra como realizando la tarea de chat.

Su punto de partida fue un modelo base existente, Llama 2-7B. Esa es la forma habitual en que se produce un modelo especializado.

Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.

Respuestas

TAIWAN-LLM 7B — preguntas comunes

01

TAIWAN-LLM 7B— ¿cuántos parámetros tiene?

Tiene un recuento de parámetros de 7B. Esa cifra es el total, y es lo que decide cuánta MEMORIA necesita el modelo — aproximadamente medio gigabyte por mil millones en la compresión que la mayoría de las personas usa.

02

TAIWAN-LLM 7B— ¿Quién lo creó?

Fue publicado por National Taiwan University, basado en Taiwan, una organización categorizada como academia.

03

TAIWAN-LLM 7B— ¿cuándo fue lanzado?

Se publicó en November 2023. La capacidad por parámetro ha mejorado considerablemente desde entonces, por lo que un modelo más reciente del mismo tamaño suele ser el mejor uso del mismo hardware.

04

TAIWAN-LLM 7B— ¿Para qué se utiliza?

Funciona en el dominio de Language, y se registra como manejando la tarea de chat. Un modelo puede manejar varios de cada uno, así que estas son las áreas para las que fue construido en lugar de un límite en lo que intentará.

05

TAIWAN-LLM 7B— ¿Qué GPU necesito para ejecutarlo?

Ninguno. Este es un modelo cerrado: sus PESOS nunca fueron publicados, por lo que no se puede descargar o ejecutar en su propio hardware a ningún precio. Solo se puede acceder a él a través de su proveedor.

06

TAIWAN-LLM 7B— ¿Es de código abierto?

La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.

Origen

Publicación original

Última actualización registrada 25 May 2026

La otra dirección

¿Mirándolo desde el otro lado?

Esta página comienza desde el modelo. Si ya posees una tarjeta y quieres saber todo lo que podrá ejecutar., Comience desde el hardware en su lugar.