ProtT3

Poids fermés National University of Singapore,University of Science and Technology of China (USTC),Hokkaido University 1.6B paramètres May 2024

Aucune estimation

Aucune exigence matérielle pour ce modèle

Les poids de ce modèle n'ont pas été publiés, donc il ne peut pas être téléchargé ou exécuté sur votre propre matériel à aucune taille. Il n'est accessible que par l'intermédiaire de son fournisseur, et aucun changement de carte graphique ne modifie cela..

Enregistrement

Spécifications complètes

Tout est enregistré pour ce modèle. La plupart décrit comment il a été entraîné plutôt que comment il fonctionne — un contexte utile pour juger combien de travail a été investi, et comment il se compare avec des modèles construits à une échelle différente..

Origine

Qui a construit ce modèle, où, et quand il a été publié.

Organisation
National University of Singapore,University of Science and Technology of China (USTC),Hokkaido University
Type d'organisation
Academia,Academia,Academia
Pays
Singapore, China, Japan
Publié
21 May 2024
Auteurs
Zhiyuan Liu, An Zhang, Hao Fei, Enzhi Zhang, Xiang Wang, Kenji Kawaguchi, Tat-Seng Chua

Ce qu'il fait

Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.

Domaine
Biology
Tâche
Protein question answering

Taille

Quelle est la taille du modèle et combien de données il a été formé. Les paramètres sont le chiffre qui décide s'il convient à une carte graphique donnée.

paramètres
1.6B

Table 12

Données d'entraînement
tokens

430,595 + 422,315 + 3,360,000 = 4,212,910 datapoints 4,212,910 × 300 = 1,263,873,000 tokens Final estimate: 1.3 billion tokens Exact numbers from Table 2 430595*(336+48)+422315*(338+101)+3359693*(291+10)=1362012358

Époques
60

L'exécution de formation

Ce qu'il a physiquement fallu pour entraîner : quels chips, combien, pendant combien de temps, et ce que cela a tiré du secteur.

Matériel d'entraînement
NVIDIA A100,NVIDIA V100
Chips utilisés
6

Comment il est classé

Étiquettes que le ensemble de données source applique lors du suivi de modèles notables, et à quel point il est confiant dans l'entrée.

Confiance d'enregistrement
Likely
Citations
34

Sources

D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.

Référence
ProtT3: Protein-to-Text Generation for Text-based Protein Understanding
Dernière mise à jour
25 May 2026

Ce que les chiffres signifient

Ce que ce modèle est

ProtT3 a été publié par National University of Singapore,University of Science and Technology of China (USTC),Hokkaido University, dans le pays enregistré comme Singapore, durant May 2024. La catégorie à laquelle appartient l'éditeur est academia,Academia,Academia.

Il fonctionne dans le domaine de Biology, et est enregistré comme exécutant la tâche de protein question answering.

Parce que les poids ne sont pas disponibles, aucune des spécifications matérielles ailleurs sur ce site ne s'applique à cela.

Réponses

ProtT3 — questions courantes

01

ProtT3— quand a-t-il été publié ?

Il a été publié dans May 2024. La capacité par paramètre s'est considérablement améliorée depuis, donc un modèle plus récent de la même taille est souvent le meilleur usage du même matériel.

02

ProtT3— à quoi ça sert ?

Il fonctionne dans le domaine de Biology, et est enregistré comme gérant la tâche de protein question answering. Ce sont les domaines autour desquels il a été conçu ; ils décrivent l'intention plutôt qu'une limite stricte.

03

ProtT3— Quelle GPU ai-je besoin pour l'exécuter ?

Aucun. C'est un modèle fermé - ses poids n'ont jamais été publiés, il ne peut donc pas être téléchargé ou exécuté sur votre propre matériel à aucun prix. Il n'est accessible que par son fournisseur.

04

ProtT3— est-ce que c'est open source ?

La licence n'a jamais été enregistrée dans nos données source. Nous considérons une licence non déclarée comme fermée, car une licence non enregistrée n'est pas une licence sur laquelle compter.

05

ProtT3— combien de paramètres cela a-t-il ?

Il a un nombre de paramètres de 1.6B. Table 12. Ce chiffre est le total, et c'est ce qui détermine combien de mémoire le modèle nécessite — environ un demi-gigaoctet par milliard à la compression que la plupart des gens utilisent.

06

ProtT3— qui l'a créé ?

Il a été publié par National University of Singapore,University of Science and Technology of China (USTC),Hokkaido University, basé sur Singapore, une organisation catégorisée comme academia,Academia,Academia.

Source

Publication originale

Dernière mise à jour enregistrée 25 May 2026

L'autre direction

Regardez-le de l'autre côté ?

Cette page commence par le modèle. Si vous possédez déjà une carte et souhaitez savoir tout ce qu'elle exécutera., commencez par le matériel à la place.