NLM
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
- Carnegie Mellon University (CMU),University of California San Diego
- Type d'organisation
- Academia,Academia
- Pays
- United States of America
- Publié
- 9 September 2021
- Auteurs
- Junxian He, Graham Neubig, Taylor Berg-Kirkpatrick
Ce qu'il fait
Les domaines problématiques pour lesquels le modèle a été conçu. Un modèle peut contenir plusieurs de chacun.
- Domaine
- Language
- Tâche
- Language modeling
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
- 247M
- Données d'entraînement
- tokens
The core language model is semi-parametric. There is a non-parametric component which involves learning a datastore which maps the training data to context vectors. This paper improves on the kNN-LM model primarily by reducing the size of the datastore to improve throughput. They also add a small 512 parameter neural net to adaptively adjust the interpolation hyperparameter. They use the pre-trained model from https://arxiv.org/abs/1809.10853, which had 247M trainable parameters, so the model i…
103M training tokens in WikiText-103
Calcul de formation
L'arithmétique effectuée pour entraîner le modèle, mesurée en opérations en virgule flottante. C'est une mesure du coût de l'exécution de l'entraînement, pas de la rapidité avec laquelle le modèle fini vous répond.
- Calcul de formation
- 2.8 × 10¹⁹ FLOP
- Comment cela a été établi
- Operation counting
The base model used was 247M parameters and trained for 286k updates with an effective batch size of 65,536 tokens. 6 * 247M * 286k * 65536 = 2.778e19 FLOPs Generating the datastore involves a single forward pass over all of the training examples, for another 2 * 247M * 103M = 5.088e16 FLOPs They also train the small retrieval adapter, but this converges in "several minutes with a single GPU" and so is unlikely to contribute significantly. The only other computationally expensive step is the…
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 GeForce RTX 3090
- Chips utilisés
- 1
- Consommation d'énergie
- 388 W
Disponibilité
Que vous puissiez obtenir le modèle et l'exécuter sur votre propre matériel, ce qui détermine si l'un des chiffres de la carte graphique sur cette page s'applique.
- Poids
- Closed — provider access only
- Accès au modèle
- Unreleased
- Code d'entraînement
- Open source
MIT for code: https://github.com/jxhe/efficient-knnlm
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
- Confident
- Citations
- 123
- Données de référence
- NLM
Sources
D'où vient cet enregistrement et quand a-t-il été vérifié pour la dernière fois.
- Référence
- Efficient Nearest Neighbor Language Models
- Dernière mise à jour
- 25 May 2026
Ce que les chiffres signifient
À propos de ce modèle
NLM a été publié par Carnegie Mellon University (CMU),University of California San Diego, dans le pays enregistré comme United States of America, durant September 2021. Cela provient d'une organisation classée comme academia,Academia.
Il fonctionne dans le domaine de Language, et est enregistré comme exécutant la tâche de language modeling.
Ses poids n'ont jamais été publiés, donc il ne peut être atteint que par son fournisseur. Aucun changement de carte graphique ne change cela.
Comment il a été entraîné
La production a nécessité des calculs totalisant environ 2.8 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA GeForce RTX 3090. Ce chiffre mesure le coût de production du modèle, et n'a aucune incidence sur la vitesse de réponse.
Réponses
NLM — questions courantes
NLM— à quoi ça sert ?
Il fonctionne dans le domaine de Language, et est enregistré comme gérant la tâche de language modeling. Un modèle peut porter plusieurs de chacun, donc ce sont les domaines pour lesquels il a été conçu plutôt qu'une limite sur ce qu'il tentera.
NLM— combien de puissance de calcul a été utilisée pour l'entraîner ?
L'entraînement a consommé environ 2.8 × 10¹⁹ FLOP, sur matériel enregistré comme NVIDIA GeForce RTX 3090. Cela mesure ce que coûte la production du modèle et ne dit rien sur la rapidité avec laquelle il répond une fois entraîné — la vitesse d'inférence provient de la bande passante mémoire, et non du budget d'entraînement.
NLM— 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.
NLM— est-ce que c'est open source ?
Non. Ses poids n'ont pas été publiés, donc il n'existe que sous forme de service contrôlé par son propriétaire.
NLM— combien de paramètres cela a-t-il ?
Il a un nombre de paramètres de 247M. The core language model is semi-parametric. There is a non-parametric component which involves learning a datastore which maps the training data to context vectors. This paper improves on the kNN-LM model primarily by reducing the size of the datastore to improve throughput. They also add a small 512 parameter neural net to adaptively adjust the interpolation hyperparameter. They use the pre-trained model from https://arxiv.org/abs/1809.10853, which had 247M trainable parameters, so the model in this paper one has 247M + 512 parameters. 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.
NLM— qui l'a créé ?
Il a été publié par Carnegie Mellon University (CMU),University of California San Diego, basé sur United States of America, une organisation catégorisée comme academia,Academia.
NLM— quand a-t-il été publié ?
Il a été publié dans September 2021. 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.
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.