ChunkLlama2-13B
Nessuna stima
Nessun requisito hardware per questo modello
I pesi per questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul proprio hardware di qualsiasi dimensione. È accessibile solo attraverso il suo fornitore e nessun cambiamento della scheda grafica che.
In registrazione
specifiche complete
Tutto in archivio per questo modello. La maggior parte descrive come è stato addestrato piuttosto che come gira — contesto utile per giudicare quanto lavoro c'è stato dietro, e come si confronta con i modelli costruiti su una scala diversa..
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- Alibaba,The University of Hong Kong,Fudan University
- Tipo di organizzazione
- Industry,Academia,Academia
- Paese
- China, Hong Kong
- Pubblicato
- 29 May 2024
- Autori
- Chenxin An, Fei Huang, Jun Zhang, Shansan Gong, Xipeng Qiu, Chang Zhou, Lingpeng Kong
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling/generation, Question answering
- Modello di base
- Llama 2-13B
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono la cifra che decide se si adatta a una determinata scheda grafica.
- parametri
- 13B
- Dati di addestramento
- 256,000,000 tokens
same as base model
The training dataset is sourced from ShareGPT and AlpacaGPT (Taori et al., 2023). For the data derived from ShareGPT, we specifically curate a subset by extracting responses generated by GPT-4, and dialogues that exceed 4k tokens in length. This selection results in a compilation of 5,405 training instances. We further finetune Llama2 with over 16k steps with a batch size of 1. prompt length 16k tokens ->16000 steps*16000 tokens= 256000000 tokens
Calcolo di addestramento
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto è costato il run di addestramento, e non di quanto velocemente il modello finito ti risponde.
- Come è stato stabilito
- Hardware,Operation counting
- Addestramento fine
- 2 × 10¹⁹ FLOP
6 FLOP/parameter/token * 13000000000 parameters * 256000000 tokens = 19968000000000000000 FLOP 312000000000000 FLOP/GPU/sec * 60 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 20217600000000000000 FLOP sqrt(19968000000000000000*20217600000000000000) = 2.0092412e+19
La corsa di addestramento
Cosa ha richiesto fisicamente per addestrare: quali chip, quanti, per quanto tempo e cosa ha prelevato dalla presa.
- Hardware di addestramento
- NVIDIA A100 SXM4 80 GB
- Chip-ore
- 60
Disponibilità
Se puoi ottenere il modello e farlo funzionare sul tuo hardware, il che decide se alcune delle cifre della scheda grafica su questa pagina sono applicabili.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
Apache 2.0 https://github.com/HKUNLP/ChunkLlama
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Training-Free Long-Context Scaling of Large Language Models
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Sfondo
ChunkLlama2-13B è stato pubblicato da Alibaba,The University of Hong Kong,Fudan University, nel paese registrato come China, durante May 2024. La categoria sotto cui rientra l'editore è industry,Academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering.
Costruisce su Llama 2-13B. Quello è il modo abituale in cui viene prodotto un modello specializzato.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Addestramento e provenienza
L'addestramento ha consumato un corpus di circa 256,000,000 token di testo
Risposte
ChunkLlama2-13B — domande comuni
ChunkLlama2-13B— che GPU ho bisogno per eseguirlo?
Nessuno. Questo è un modello chiuso - i suoi pesi non sono mai stati pubblicati, quindi non può essere scaricato o eseguito sul tuo hardware a qualsiasi prezzo. È accessibile solo attraverso il suo fornitore.
ChunkLlama2-13B— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
ChunkLlama2-13B— quanti parametri ha?
Ha un numero di parametri di 13B. same as base model. Quella cifra è il totale, ed è ciò che decide quanto memoria il modello ha bisogno — circa mezzo gigabyte per miliardo alla compressione che la maggior parte delle persone usa.
ChunkLlama2-13B— chi l'ha creato?
È stato pubblicato da Alibaba,The University of Hong Kong,Fudan University, basato su China, un'organizzazione categorizzata come industry,Academia,Academia.
ChunkLlama2-13B— quando è stato rilasciato?
È stato pubblicato in May 2024. La capacità per parametro è migliorata considerevolmente da allora, quindi un modello più recente della stessa dimensione è spesso un uso migliore dello stesso hardware.
ChunkLlama2-13B— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
L'altra direzione
Guardandolo dall'altro lato?
Questa pagina parte dal modello. Se possiedi già una scheda e vuoi sapere tutto ciò che farà funzionare, inizia dall'hardware invece.