Alleviated TOI 10 (WT2)
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
- Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swisscom,University of Freiburg
- Tipo de Organización
- Academia,Industry,Academia
- País
- Switzerland, Germany
- Publicado
- 18 September 2019
- Autores
- Noémien Kocher, Christian Scuito, Lorenzo Tarantino, Alexandros Lazaridis, Andreas Fischer, Claudiu Musat
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 usaron para su entrenamiento. Los parámetros son la cifra que decide si se ajusta en una tarjeta gráfica dada.
- Datos de entrenamiento
- tokens
- Épocas
- 1,000
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
BSD 3-Clause License for code: https://github.com/nkcr/overlap-ml
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
- Datos de referencia
- Alleviated TOI 10 (WT2)
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Alleviating Sequence Information Loss with Data Overlapping and Prime Batch Sizes
- Última actualización
- 11 February 2026
Qué significan los números
Acerca de este modelo
Alleviated TOI 10 (WT2) fue publicado por Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swisscom,University of Freiburg, en el país registrado como Switzerland, durante September 2019. Sale de una organización categorizada como academia,Industry,Academia.
Funciona en el dominio de Language, y se registra como realizando la tarea de language modeling.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en este sitio se aplica a él.
Respuestas
Alleviated TOI 10 (WT2) — preguntas comunes
Alleviated TOI 10 (WT2)— ¿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.
Alleviated TOI 10 (WT2)— ¿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.
Alleviated TOI 10 (WT2)— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
Alleviated TOI 10 (WT2)— ¿cuántos parámetros tiene?
No se ha publicado el conteo de parámetros para él, por lo que no aparece ninguna cifra de memoria o velocidad en esta página.
Alleviated TOI 10 (WT2)— ¿Quién lo creó?
Fue publicado por Ecole Polytechnique F´ed´erale de Lausanne (EPFL),Swisscom,University of Freiburg, basado en Switzerland, una organización categorizada como academia,Industry,Academia.
Alleviated TOI 10 (WT2)— ¿cuándo fue lanzado?
Se publicó en September 2019. 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.