LMSI-Palm
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,University of Illinois Urbana-Champaign (UIUC)
- Tipo de Organización
- Industry,Academia
- País
- United States of America
- Publicado
- 20 October 2022
- Autores
- Jiaxin Huang, Shixiang Shane Gu, Le Hou, Yuexin Wu, Xuezhi Wang, Hongkun Yu, Jiawei Han
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Language generation, Language modeling/generation, Question answering, Mathematical reasoning
- 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
- 540B
- Datos de entrenamiento
- 1,920,000 tokens
540B
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.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 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."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Large Language Models Can Self-Improve
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
LMSI-Palm fue publicado por Google,University of Illinois Urbana-Champaign (UIUC), en el país registrado como United States of America, durante October 2022. La organización editora está clasificada como industry,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language generation, Language modeling/generation, Question answering, Mathematical reasoning.
Se basa en PaLM (540B). Por eso comparte la forma y el tamaño general del modelo base.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Cómo fue entrenado
Fue entrenado en un corpus de aproximadamente 1,920,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
LMSI-Palm — preguntas comunes
LMSI-Palm— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language generation, Language modeling/generation, Question answering, Mathematical reasoning. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
LMSI-Palm— ¿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.
LMSI-Palm— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
LMSI-Palm— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 540B. 540B. 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.
LMSI-Palm— ¿Quién lo creó?
Fue publicado por Google,University of Illinois Urbana-Champaign (UIUC), basado en United States of America, una organización categorizada como industry,Academia.
LMSI-Palm— ¿cuándo fue lanzado?
Se publicó en October 2022. 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.
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.