DCN+
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
- Salesforce Research
- Tipo de Organización
- Industry
- País
- United States of America
- Publicado
- 31 October 2017
- Autores
- Caiming Xiong, Victor Zhong, Richard Socher
Lo que hace
Las áreas problemáticas para las que se construyó el modelo. Un modelo puede llevar varios de cada uno.
- Dominio
- Language
- Tarea
- Question answering
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
- 215,570 tokens
from https://paperswithcode.com/dataset/squad SQuAD have 107,785 question-answer pairs download-ed dataset from: https://www.kaggle.com/datasets/stanfordu/stanford-question-answering-dataset?resource=download wc -w on train-v.1.1 returns 4017471 words so around 5.4M tokens Looks like they probably trained on each token in SQuAD rather than QA pairs, but uncertain.
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
Cómo está clasificado
Etiquetas que el conjunto de datos fuente aplica al rastrear modelos notables y cuán confiable es en la entrada.
- Por qué se rastrea
- SOTA improvement
- Confianza de registro
- Confident
- Citas
- 121
"On the Stanford Question Answering Dataset, our model achieves state-of-the-art results with 75.1% exact match accuracy and 83.1% F1, while the ensemble obtains 78.9% exact match accuracy and 86.0% F1. " https://paperswithcode.com/paper/dcn-mixed-objective-and-deep-residual
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- DCN+: Mixed Objective and Deep Residual Coattention for Question Answering
- Última actualización
- 28 November 2025
Qué significan los números
De dónde vino
DCN+ fue publicado por Salesforce Research, en el país registrado como United States of America, durante October 2017. La organización editora está clasificada como industry.
Funciona en el dominio de Language, y se registra como realizando la tarea de question answering.
Sus pesos nunca fueron publicados, por lo que solo se puede acceder a través de su proveedor. No hay cambios en la tarjeta gráfica que eso.
Entrenamiento y procedencia
El conjunto de entrenamiento se ejecutó a aproximadamente 215,570 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
DCN+ — preguntas comunes
DCN+— ¿Es de código abierto?
No. Sus pesos no han sido publicados, por lo que existe solo como un servicio controlado por su propietario.
DCN+— ¿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.
DCN+— ¿Quién lo creó?
Fue publicado por Salesforce Research, basado en United States of America, una organización categorizada como industry.
DCN+— ¿cuándo fue lanzado?
Se publicó en October 2017. 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.
DCN+— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de question answering. 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.
DCN+— ¿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.
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.