RaSoR
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
- Korea University,Princeton University
- Szervezet típusa
- Academia,Academia
- Ország
- Korea (Republic of), United States of America
- Közölt
- 23 December 2020
- Szerzők
- Jinhyuk Lee, Mujeen Sung, Jaewoo Kang, Danqi Chen
Mit csinál
A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.
- Tartomány
- Language
- Feladat
- Question answering
Méret
Mekkora a modell, és mennyi adatot használtak a betanításához. A paraméterek azok a számok, amelyek eldöntik, hogy az adott grafikus kártyára illeszkedik-e.
- Képzési adatok
- tokens
4000000 words in SQuAD * 4/3 tokens per word = 5,333,333 tokens
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Nyilvántartási bizalom
- Confident
- Hivatkozások
- 154
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Learning Recurrent Span Representations for Extractive Question Answering
- Utoljára frissítve
- 1 January 2026
Mit jelentenek a számok
Honnan jött
RaSoR ki lett adva által Korea University,Princeton University, az országban rögzítve mint Korea (Republic of), alatt December 2020. Egy olyan szervezetből származik, amelyet kategorizálnak mint academia,Academia.
Működik a területen a Language, és úgy van rögzítve, mint a feladat végrehajtása question answering.
Ez egy zárt modell: a betanított értékek azoknál maradtak, akik előállították őket, és nincs helyi verzió a futtatáshoz.
Válaszok
RaSoR — gyakori kérdések
RaSoR— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot question answering. A modellek gyakran több mint egyet hordoznak mindegyikből, és a címkék a célra, nem pedig a képességek határaira utalnak.
RaSoR— 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.
RaSoR— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
RaSoR— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
RaSoR— Ki készítette ezt?
Kiadta Korea University,Princeton University, alapján Korea (Republic of), egy szervezet, amelyet kategorizáltak mint academia,Academia.
RaSoR— Mikor adták ki?
Kibocsátották a December 2020. 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..