MMLSTM (WT-2)
Sin estimación
No hay requisitos de hardware para este modelo
Los pesos de este modelo no han sido publicados, por lo que no se puede descargar ni ejecutar en su propio hardware en ningún tamaño. Solo es accesible a través de su proveedor, y ninguna tarjeta gráfica lo cambia.
En registro
Especificación completa
Todo lo registrado para este modelo. La mayoría de ello describe cómo fue entrenado en lugar de cómo se ejecuta — contexto útil para juzgar cuánto trabajo se dedicó a ello y cómo se compara con modelos construidos a una escala diferente.
Origen
¿Quién construyó este modelo, dónde y cuándo fue publicado?
- Organización
- Beijing University of Posts and Telecommunications,University of West London
- Tipo de organización
- Academia,Academia
- País
- China, United Kingdom of Great Britain and Northern Ireland
- Publicado
- 5 December 2019
- Autores
- Kai Shuang, Rui Li, Mengyu Gu, Jonathan Loo, Sen Su
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
Tamaño
Qué tan grande es el modelo y cuántos datos se utilizaron para entrenarlo. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Parámetros
- 32.3M
- Datos de entrenamiento
- 2,000,000 tokens
- Épocas
- 500
Table III
size of WT-2
Entrenamiento de computación
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 cuán rápido responde el modelo terminado.
- Entrenamiento de computación
- 1.9 × 10¹⁷ FLOP
- Cómo se estableció
- Operation counting
6 FLOP / token / parameter * 32300000 parameters * 2000000 tokens * 500 epochs [assumption] = 1.938e+17 FLOP
Disponibilidad
Si puedes obtener el modelo y ejecutarlo en tu propio hardware, lo cual es lo que decide si alguna de las cifras de la tarjeta gráfica en esta página aplica.
- Pesos
- Closed — provider access only
- Acceso al modelo
- Unreleased
- Código de entrenamiento
- Unreleased
Cómo se clasifica
Etiquetas que aplica el conjunto de datos de origen al rastrear modelos notables y cuán seguro está de la entrada.
- Por qué se rastrea
- SOTA improvement
- Registrar confianza
- Likely
- Citas
- 19
"In experiments, we demonstrate the language model with MMLSTMs surpasses the existing state-of-the-art model on Penn Treebank (PTB) and WikiText-2 (WT2) datasets"
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Major–Minor Long Short-Term Memory for Word-Level Language Model
- Última actualización
- 11 February 2026
Qué significan los números
Acerca de este modelo
MMLSTM (WT-2) was published by Beijing University of Posts and Telecommunications,University of West London, in China, in December 2019. academia,Academia is the category the publisher falls under.
It works in Language, and is recorded as doing language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Cómo fue entrenado
Training it took roughly 1.9 × 10¹⁷ FLOP of computation — a measure of what producing the model cost, not of how fast it answers.
It was trained on about 2,000,000 tokens of text.
Its inclusion criterion is sOTA improvement.
Respuestas
MMLSTM (WT-2) — Preguntas frecuentes
What is MMLSTM (WT-2) used for?
MMLSTM (WT-2) works in Language, and is recorded as handling language modeling. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
How much compute was used to train MMLSTM (WT-2)?
Around 1.9 × 10¹⁷ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run MMLSTM (WT-2)?
None. MMLSTM (WT-2) is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is MMLSTM (WT-2) open source?
No. MMLSTM (WT-2) has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does MMLSTM (WT-2) have?
MMLSTM (WT-2) has 32.3M parameters. Table III. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created MMLSTM (WT-2)?
MMLSTM (WT-2) was published by Beijing University of Posts and Telecommunications,University of West London, based in China, categorised as academia,Academia.
When was MMLSTM (WT-2) released?
MMLSTM (WT-2) was published in December 2019. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
La otra dirección
¿Mirándolo desde el otro lado?
Esta página comienza desde el modelo. Si ya posee una tarjeta y desea saber todo lo que podrá ejecutar, empiece por el hardware en su lugar.