base LM+GNN (WT103)
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
- Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU)
- Tipo de Organización
- Industry,Academia,Academia,Academia
- País
- China, Singapore
- Publicado
- 17 October 2021
- Autores
- Yuxian Meng, Shi Zong, Xiaoya Li, Xiaofei Sun, Tianwei Zhang, Fei Wu, Jiwei Li
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 modeling
- Modelo base
- Transformer (Adaptive Input Embeddings) WT103
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
- 247M
- Datos de entrenamiento
- 103,000,000 tokens
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
- Open source
MIT: https://github.com/ShannonAI/GNN-LM
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
- 46
- Datos de referencia
- base LM+GNN
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- GNN-LM: Language Modeling based on Global Contexts via GNN
- Última actualización
- 25 May 2026
Qué significan los números
De dónde vino
base LM+GNN (WT103) fue publicado por Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), en el país registrado como China, durante October 2021. Sale de una organización categorizada como industry,Academia,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
Su punto de partida fue un modelo base existente, Transformer (Adaptive Input Embeddings) WT103. Esa es la forma habitual en que se produce un modelo especializado.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Qué se necesitó para construirlo
El conjunto de entrenamiento se ejecutó a aproximadamente 103,000,000 tokens de texto
Respuestas
base LM+GNN (WT103) — preguntas comunes
base LM+GNN (WT103)— ¿cuándo fue lanzado?
Se publicó en October 2021. 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.
base LM+GNN (WT103)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
base LM+GNN (WT103)— ¿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.
base LM+GNN (WT103)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
base LM+GNN (WT103)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 247M. 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.
base LM+GNN (WT103)— ¿Quién lo creó?
Fue publicado por Shannon.AI,Nanjing University,Nanyang Technological University,Zhejiang University (ZJU), basado en China, una organización categorizada como industry,Academia,Academia,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.