PaLM-E
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
- Google,TU Berlin
- Tipo de Organización
- Industry,Academia
- País
- United States of America, Germany
- Publicado
- 6 March 2023
- Autores
- Danny Driess, Fei Xia, Mehdi S. M. Sajjadi, Corey Lynch, Aakanksha Chowdhery, Brian Ichter, Ayzaan Wahid, Jonathan Tompson, Quan Vuong, Tianhe Yu, Wenlong Huang, Yevgen Chebotar, Pierre Sermanet, Daniel Duckworth, Sergey Levine, Vincent Vanhoucke, Karol Hausman, Marc Toussaint, Klaus Greff, Andy Zeng, Igor Mordatch, Pete Florence
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Robotics, Vision, Language
- Tarea
- Visual question answering, Robotic manipulation, Image captioning, Language generation
- Modelo base
- PaLM (540B)
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
- 562B
- Datos de entrenamiento
- tokens
562B
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo que decide si alguna de las cifras de la GPU en esta página se aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Modelo de Fundación
- Yes
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Likely
- Citas
- 2,645
"Our largest model, PaLM-E-562B with 562B parameters, in addition to being trained on robotics tasks, is a visual-language generalist with state-of-the-art performance on OK-VQA, and retains generalist language capabilities with increasing scale."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- PaLM-E: An Embodied Multimodal Language Model
- Última actualización
- 25 May 2026
Qué significan los números
Fondo
PaLM-E fue publicado por Google,TU Berlin, en el país registrado como United States of America, durante March 2023. Sale de una organización categorizada como industry,Academia.
Funciona en el dominio de Robotics, Vision, Language, y se registra como realizando la tarea de visual question answering, Robotic manipulation, Image captioning, Language generation.
Se basa en PaLM (540B). La mayoría de los modelos a esta escala están adaptados de una base existente en lugar de construidos desde cero.
Este es un modelo cerrado: los valores entrenados quedaron con quien los produjo, y no hay una versión local para ejecutar.
Entrenamiento y procedencia
Se rastrea en el conjunto de datos subyacente por una razón en particular: sOTA improvement.
Respuestas
PaLM-E — preguntas comunes
PaLM-E— ¿cuándo fue lanzado?
Se publicó en March 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.
PaLM-E— ¿Para qué se utiliza?
Funciona en el dominio de Robotics, Vision, Language, y se registra como manejando la tarea de visual question answering, Robotic manipulation, Image captioning, Language generation. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
PaLM-E— ¿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.
PaLM-E— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
PaLM-E— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 562B. 562B. 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.
PaLM-E— ¿Quién lo creó?
Fue publicado por Google,TU Berlin, basado en United States of America, una organización categorizada como industry,Academia.
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.