CODA
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
- The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab
- Tipo de Organización
- Academia,Academia,Academia
- País
- Hong Kong, China
- Publicado
- 31 May 2021
- Autores
- Lin Zheng, Zhiyong Wu, Lingpeng Kong
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, Translation
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
- 246.9M
- Datos de entrenamiento
- 103,000,000 tokens
Table 1
"Wikitext-103 [...] consists of articles from Wikipedia with the token number around 103M/218K/246K for the training/validation/testing splits respectively."
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 for code: https://github.com/LZhengisme/CODA
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
- 3
- Datos de referencia
- CODA
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Cascaded Head-colliding Attention
- Última actualización
- 1 December 2025
Qué significan los números
Fondo
CODA fue publicado por The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, en el país registrado como Hong Kong, durante May 2021. La organización editora está clasificada como academia,Academia,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling, Translation.
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
El entrenamiento consumió un corpus de alrededor de 103,000,000 tokens de texto
Respuestas
CODA — preguntas comunes
CODA— ¿Quién lo creó?
Fue publicado por The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, basado en Hong Kong, una organización categorizada como academia,Academia,Academia.
CODA— ¿cuándo fue lanzado?
Se publicó en May 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.
CODA— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de language modeling, Translation. Estas son las áreas en las que fue diseñado; describen la intención más que un límite estricto.
CODA— ¿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.
CODA— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
CODA— ¿cuántos parámetros tiene?
Tiene un recuento de parámetros de 246.9M. Table 1. 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.
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.