SDE
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
- Carnegie Mellon University (CMU),Google Brain,Monash University
- Tipo de organización
- Academia,Industry,Academia
- País
- United States of America, Australia
- Publicado
- 9 February 2019
- Autores
- Xinyi Wang, Hieu Pham, Philip Arthur, Graham Neubig
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Translation
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.
- Datos de entrenamiento
- tokens
"The batch size is set to be 1500 words. We evaluate by development set BLEU score for every 2500 training batches"
El entrenamiento
Lo que se necesitó físicamente para entrenar: qué chips, cuántos, durante cuánto tiempo y qué consumió de la pared.
- Cloud vendor
- Amazon Web Services
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
- Open (non-commercial)
https://github.com/cindyxinyiwang/SDE
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
- Unknown
"Experiments on a standard dataset of four low-resource languages show consistent improvements over strong multilingual NMT baselines, with gains of up to 2 BLEU on one of the tested languages, achieving the new state-of-the-art on all four language pairs"
Fuentes
De dónde proviene este registro y cuándo fue revisado por última vez.
- Referencia
- Multilingual Neural Machine Translation With Soft Decoupled Encoding
- Última actualización
- 28 November 2025
Qué significan los números
Where it came from
SDE was published by Carnegie Mellon University (CMU),Google Brain,Monash University, in United States of America, in February 2019. The organisation is categorised as academia,Industry,Academia.
It works in Language, and is recorded as doing translation.
Debido a que los pesos no están disponibles, ninguna de las cifras de hardware en otro lugar de este sitio se aplica a él.
Qué se utilizó para construirlo
Its inclusion criterion is sOTA improvement.
Respuestas
SDE — Preguntas frecuentes
How many parameters does SDE have?
No parameter count has been published for SDE, which is why no memory or speed figure appears on this page.
Who created SDE?
SDE was published by Carnegie Mellon University (CMU),Google Brain,Monash University, based in United States of America, categorised as academia,Industry,Academia.
When was SDE released?
SDE was published in February 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.
What is SDE used for?
SDE works in Language, and is recorded as handling translation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run SDE?
None. SDE 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 SDE open source?
No. SDE has not had its weights published, so it exists only as a service controlled by its owner.
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.