LIMA
Nincs becslés
Nincs hardver követelmény ennek a modellnek
A modellhez tartozó súlyokat nem tették közzé, így nem tölthető le vagy futtatható a saját hardverén bármilyen méretben. Csak a szolgáltatóján keresztül érhető el, és egyetlen grafikus kártya sem változtat ezen..
Nyilvántartásban
Teljes specifikáció
Minden feljegyzett ezzel a modellel kapcsolatban. A legtöbbje azt írja le, hogyan képezték ki, nem pedig azt, hogyan fut — hasznos kontextus annak megítéléséhez, hogy mennyi munka ment bele, és hogyan viszonyul a más méretben épített modellekhez..
Eredet
Ki építette ezt a modellt, hol, és mikor publikálták.
- Szervezet
- Meta AI,Carnegie Mellon University (CMU),University of Southern California,Tel Aviv University
- Szervezet típusa
- Industry,Academia,Academia,Academia
- Ország
- United States of America, Israel
- Közölt
- 18 May 2023
- Szerzők
- Chunting Zhou, Pengfei Liu, Puxin Xu, Srini Iyer, Jiao Sun, Yuning Mao, Xuezhe Ma, Avia Efrat, Ping Yu, Lili Yu, Susan Zhang, Gargi Ghosh, Mike Lewis, Luke Zettlemoyer, Omer Levy
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Chat, Language modeling/generation
- Alapmodell
- LLaMA-65B
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Paraméterek
- 65B
- Képzési adatok
- 685,300 tokens
- Epochok
- 15
"We train LIMA (Less Is More for Alignment) using the following protocol. Starting from LLaMa 65B [Touvron et al., 2023], we fine-tune on our 1,000-example alignment training set," according to page 4 of https://arxiv.org/pdf/2305.11206.
The total amount of training data is roughly 750,000 tokens, split over exactly 1,000 sequences.
Képzés számítás
A modell tanításához végrehajtott aritmetika, lebegőpontos műveletekben mérve. Ez a tanítási futás költségének mértéke, nem pedig annak, hogy mennyire gyorsan válaszol a kész modell.
- Képzés számítás
- 5.5 × 10²³ FLOP
- Hogyan jött létre
- Operation counting
- Finomhangolás számítás
- 4.4 × 10²⁰ FLOP
Finetune: 4.39e18 FLOP Base model: 5.5e+23 FLOP Total: 4.39e18+5.5e+23=5.5e+23 FLOP
“The total amount of training data is roughly 750,000 tokens, split over exactly 1,000 sequences,” according to page 2 of https://arxiv.org/pdf/2305.11206. “We train LIMA (Less Is More for Alignment) using the following protocol. Starting from LLaMa 65B [Touvron et al., 2023], we fine-tune on our 1,000-example alignment training set. To differentiate between each speaker (user and assistant), we introduce a special end-of-turn token (EOT) at the end of each utterance; this token plays the same …
Elérhetőség
Hogy meg tudja-e szerezni a modellt és futtatni a saját hardverén, ez dönt arról, hogy alkalmazhatóak-e a lap ezen oldalán feltüntetett grafikus kártya adatok.
- Súlyok
- Closed — provider access only
- Modell hozzáférés
- Unreleased
- Képzés kód
- Unreleased
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Valószínűleg 10²³ FLOP felett
- Yes
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 1,274
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- LIMA: Less Is More for Alignment
- Utoljára frissítve
- 25 May 2026
Mit jelentenek a számok
Mit jelent ez a modell
LIMA ki lett adva által Meta AI,Carnegie Mellon University (CMU),University of Southern California,Tel Aviv University, az országban rögzítve mint United States of America, alatt May 2023. A kiadó kategóriája alá tartozik industry,Academia,Academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása chat, Language modeling/generation.
A kiindulópontja egy meglévő alapmodell volt, LLaMA-65B. A legtöbb modell ezen a skálán egy meglévő alaphoz van igazítva, ahelyett, hogy semmiből épült volna.
Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.
Mi került a felépítésébe
A létrehozásához körülbelül összesítő aritmetikára volt szükség. 5.5 × 10²³ FLOP. Ez a szám azt méri, hogy mennyibe került a modell előállítása, és nincs hatással arra, hogy milyen gyorsan válaszol.
A tanító készlet kb. futott 685,300 szöveg tokenjei
Válaszok
LIMA — gyakori kérdések
LIMA— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot chat, Language modeling/generation. Ezek azok a területek, amelyek köré tervezték; ezek a szándékot írják le, nem pedig egy szigorú határt.
LIMA— mennyi számítási kapacitást használtak annak a betanításához?
A képzés körülbelül elfogyasztott 5.5 × 10²³ FLOP. Ez azt méri, hogy mennyibe került a modell előállítása, és semmit nem mond arról, hogy milyen gyorsan válaszol, miután betanult — a következtetési sebesség a memória sávszélességéből származik, nem az edzési költségvetésből.
LIMA— Milyen GPU-ra van szükségem, hogy futtathassam?
Ez egy zárt modell — a súlyait soha nem tették közzé, így nem tölthető le és nem futtatható a saját hardverén semmilyen áron. Csak a szolgáltatóján keresztül érhető el.
LIMA— Nyílt forráskódú?
Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.
LIMA— Hány paramétere van?
Paraméterszáma 65B. "We train LIMA (Less Is More for Alignment) using the following protocol. Starting from LLaMa 65B [Touvron et al., 2023], we fine-tune on our 1,000-example alignment training set," according to page 4 of https://arxiv.org/pdf/2305.11206. Ez a szám a teljes összeg, és ez határozza meg, hogy mennyi VRAM-ra van szüksége a modelleknek — körülbelül fél gigabájt milliárdonként a legtöbb ember által használt tömörítési módban.
LIMA— Ki készítette ezt?
Kiadta Meta AI,Carnegie Mellon University (CMU),University of Southern California,Tel Aviv University, alapján United States of America, egy szervezet, amelyet kategorizáltak mint industry,Academia,Academia,Academia.
LIMA— Mikor adták ki?
Kibocsátották a May 2023. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
A másik irány
Másik oldalról nézve?
Ez az oldal a modellel kezdődik. Ha már van kártyád, és szeretnéd tudni, hogy mindent futtat-e, Kezdj a hardverből..