$\infty$-former (SM)
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
- Universidade de Lisboa (ULisboa),DeepMind
- Tipo de Organización
- Academia,Industry
- País
- Portugal, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 1 September 2021
- Autores
- Pedro Henrique Martins, Zita Marinho, André F. T. Martins
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/generation
- Modelo base
- GPT-2 (124M)
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
- 124M
- Datos de entrenamiento
- 200,000,000 tokens
- Épocas
- 1
assuming same as the base model GPT-2 small
Cómputo de entrenamiento
La aritmética realizada para entrenar el modelo, medida en operaciones de punto flotante. Es una medida de lo que costó la ejecución del entrenamiento, no de qué tan rápido te responde el modelo terminado.
- Cómputo de entrenamiento
- 1.2 × 10²² FLOP
- Cómo se estableció
- Operation counting
- Computación de ajuste fino
- 1.5 × 10¹⁷ FLOP
7.936 × 10^20 FLOP [base model compute estimation, "Speculative" confidence] + 1.488e+17 FLOP [fine-tune compute] = 7.937488e+20 FLOP
"To understand if long-term memories can be used to extend a pre-trained language model, we fine-tune GPT-2 small (Radford et al., 2019) on Wikitext103 (Merity et al., 2017) and a subset of PG-19 (Rae et al., 2019) containing the first 2,000 books (≈ 200 million tokens) of the training set" 6 FLOP / token / parameter * 124000000 parameters * 200000000 tokens * 1 epoch = 1.488e+17 FLOP
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 GeForce RTX 2080 Ti 11GB
- Chips utilizados
- 1
- Consumo de energía
- 277 W
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 (non-commercial)
fine-tune code (this is a GPT-2 finetune), no clear license: https://github.com/deep-spin/infinite-former
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
- Speculative
- Citas
- 31
- Datos de referencia
- $\infty$-former (SM)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- $\infty$-former: Infinite Memory Transformer
- Última actualización
- 11 February 2026
Qué significan los números
Fondo
$\infty$-former (SM) fue publicado por Universidade de Lisboa (ULisboa),DeepMind, en el país registrado como Portugal, durante September 2021. La categoría en la que se encuentra el editor es academia,Industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling/generation.
Su punto de partida fue un modelo base existente, GPT-2 (124M). 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.
Qué se necesitó para construirlo
Producirlo requirió una aritmética que totaliza alrededor de 1.2 × 10²² FLOP, en hardware registrado como NVIDIA GeForce RTX 2080 Ti 11GB. Esa cifra mide lo que costó producir el modelo, y no tiene relación con qué tan rápido responde.
El entrenamiento consumió un corpus de alrededor de 200,000,000 tokens de texto
Respuestas
$\infty$-former (SM) — preguntas comunes
$\infty$-former (SM)— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 124M. assuming same as the base model GPT-2 small. 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.
$\infty$-former (SM)— ¿Quién lo creó?
Fue publicado por Universidade de Lisboa (ULisboa),DeepMind, basado en Portugal, una organización categorizada como academia,Industry.
$\infty$-former (SM)— ¿cuándo fue lanzado?
Se publicó en September 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.
$\infty$-former (SM)— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling/generation. 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.
$\infty$-former (SM)— cuánto compute se utilizó para entrenarlo?
El entrenamiento consumió alrededor 1.2 × 10²² FLOP, en hardware registrado como NVIDIA GeForce RTX 2080 Ti 11GB. Eso mide cuánto costó producir el modelo y no dice nada sobre cuán rápido responde una vez entrenado — la velocidad de inferencia proviene del ancho de banda de memoria, no del presupuesto de entrenamiento.
$\infty$-former (SM)— ¿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.
$\infty$-former (SM)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
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.