Reading Twice for NLU
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
- DeepMind
- Szervezet típusa
- Industry
- Ország
- United Kingdom of Great Britain and Northern Ireland
- Közölt
- 8 June 2017
- Szerzők
- Dirk Weissenborn, Tomáš Kočiský, Chris Dyer
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
- 200,000 tokens
both datasets have around 100k training examples. SQuAD have around 4M words. TriviaQA is larger "We use 2 recent DQAbenchmark training and evaluation datasets, SQuAD (Rajpurkar et al., 2016) and TriviaQA (Joshi et al., 2017). "
Hogyan van besorolva
Címkék a forráshalmazra, amelyeket a figyelemre méltó modellek nyomon követésekor alkalmaznak, és hogy mennyire biztos az adatbevitelben.
- Miért követik nyomon
- SOTA improvement
- Nyilvántartási bizalom
- Unknown
- Hivatkozások
- 62
"Our results are competitive with the best systems, achieving a new state of the art on the recent TriviaQA benchmarks."
Források
Honnan származik ez a felvétel és mikor ellenőrizték utoljára.
- Referencia
- Dynamic Integration of Background Knowledge in Neural NLU Systems
- Utoljára frissítve
- 28 November 2025
Mit jelentenek a számok
Mit jelent ez a modell
Reading Twice for NLU ki lett adva által DeepMind, az országban rögzítve mint United Kingdom of Great Britain and Northern Ireland, alatt June 2017. Egy olyan szervezetből származik, amelyet kategorizálnak mint industry.
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.
Képzés és származás
A képzés körülbelül egy korpuszt fogyasztott 200,000 szöveg tokenjei
A kiválasztási kritériuma: sOTA improvement.
Válaszok
Reading Twice for NLU — gyakori kérdések
Reading Twice for NLU— Hány paramétere van?
Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.
Reading Twice for NLU— Ki készítette ezt?
Kiadta DeepMind, alapján United Kingdom of Great Britain and Northern Ireland, egy szervezet, amelyet kategorizáltak mint industry.
Reading Twice for NLU— Mikor adták ki?
Kibocsátották a June 2017. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.
Reading Twice for NLU— Mire használják?
Működik a területen a Language, és rögzítve van, hogy kezeli a feladatot question answering. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.
Reading Twice for NLU— 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.
Reading Twice for NLU— Nyílt forráskódú?
A licencálás sosem volt rögzítve a forrásadatainkban. Az állandóan nem megadott licencet zártnak tekintjük, mert a nem rögzített licenc nem egy megbízható.
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..