S-Norm
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
- University of Washington,Allen Institute for AI
- Tipo de Organización
- Academia,Research collective
- País
- United States of America
- Publicado
- 29 October 2017
- Autores
- Christopher Clark, Matt Gardner
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
- 1,060,000 tokens
- Épocas
- 1
"530k question-document training pairs" average question length of 14 words and document length of 2895 words, per https://www.cs.utexas.edu/~eunsol/files/papers/acl17jcwz.pdf 530,000 * 2895 words on average * 1.33 tokens/word = ~2,000,000,000
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
- 483
"Overall, we are able to achieve a score of 71.3 F1 on the web portion of TriviaQA, a large improvement from the 56.7 F1 of the previous best system."
Fuentes
De dónde proviene este registro y cuándo fue comprobado por última vez.
- Referencia
- Simple and Effective Multi-Paragraph Reading Comprehension
- Última actualización
- 25 May 2026
Qué significan los números
Acerca de este modelo
S-Norm fue publicado por University of Washington,Allen Institute for AI, en el país registrado como United States of America, durante October 2017. La organización editora está clasificada como academia,Research collective.
Funciona en el dominio de Language, y se registra como realizando la tarea de question answering.
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 1,060,000 tokens de texto
Su criterio de inclusión: sOTA improvement.
Respuestas
S-Norm — preguntas comunes
S-Norm— ¿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.
S-Norm— ¿Para qué se utiliza?
Funciona en el dominio de Language, y se registra como manejando la tarea de question answering. Los Modelos suelen llevar más de uno de cada uno, y las etiquetas describen el propósito en lugar de los límites de capacidad.
S-Norm— ¿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.
S-Norm— ¿Es de código abierto?
La licencia nunca fue registrada en nuestros datos fuente. Tratamos las licencias no declaradas como cerradas, porque una licencia no registrada no es una en la que confiar.
S-Norm— ¿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.
S-Norm— ¿Quién lo creó?
Fue publicado por University of Washington,Allen Institute for AI, basado en United States of America, una organización categorizada como academia,Research collective.
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.