RankBoost (EachMovie)

Zárt súlyok Columbia University,Princeton University,Hebrew University of Jerusalem November 2003

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..

Böngéssz a modellek között, amelyeket futhatsz helyett

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: Columbia University,Princeton University,Hebrew University of Jerusalem
Szervezet típusa: Academia,Academia,Academia
Ország: United States of America, Israel
Közölt: 15 November 2003
Szerzők: Yoav Freund, Raj Iyer, Robert E. Schapire, Yoram Singer

Mit csinál

A probléma területek, amelyekre a modell készült. Egy modell több mindegyikből hordozhat.

Tartomány: Recommendation
Feladat: Recommender system, Collaborative filtering, Movie ratings

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

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.

Nyilvántartási bizalom: Unknown

Források

Honnan származik ez a felvétel és mikor ellenőrizték utoljára.

Referencia: An Efficient Boosting Algorithm for Combining Preferences
Utoljára frissítve: 11 February 2026

Mit jelentenek a számok

Mit jelent ez a modell

RankBoost (EachMovie) ki lett adva által Columbia University,Princeton University,Hebrew University of Jerusalem, az országban rögzítve mint United States of America, alatt November 2003. A kiadó kategóriája alá tartozik academia,Academia,Academia.

Működik a területen a Recommendation, és úgy van rögzítve, mint a feladat végrehajtása recommender system, Collaborative filtering, Movie ratings.

Mivel a súlyok nem elérhetők, ezért ezen az oldalon máshol található hardveradatok egyike sem vonatkozik rá.

Válaszok

RankBoost (EachMovie) — gyakori kérdések

RankBoost (EachMovie)— Nyílt forráskódú?

Nem. A súlyai nincsenek közzétéve, így csak a tulajdonosa által ellenőrzött szolgáltatásként létezik.

RankBoost (EachMovie)— Hány paramétere van?

Nincs közzétéve paraméterszám, ezért ez az oldal nem tartalmaz memóriával vagy sebességgel kapcsolatos adatokat.

RankBoost (EachMovie)— Ki készítette ezt?

Kiadta Columbia University,Princeton University,Hebrew University of Jerusalem, alapján United States of America, egy szervezet, amelyet kategorizáltak mint academia,Academia,Academia.

RankBoost (EachMovie)— Mikor adták ki?

Kibocsátották a November 2003. A paraméterenkénti képesség lényegesen javult azóta, így egy újabb, azonos méretű modell gyakran jobb felhasználása a same hardvernek.

RankBoost (EachMovie)— Mire használják?

Működik a területen a Recommendation, és rögzítve van, hogy kezeli a feladatot recommender system, Collaborative filtering, Movie ratings. A modell több mindenből is képes cipelni, így ezek azok a területek, amelyekre épült, nem pedig egy korlát arra, amit meg fog próbálni.

RankBoost (EachMovie)— 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.

Forrás

Eredeti kiadvány

Az utolsó frissítés időpontja 11 February 2026

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..

Minden AI modell