LLaMA-7B (LoRA finetuned)
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
- NAVER
- Tipo di organizzazione
- Industry
- Paese
- Korea (Republic of)
- Pubblicato
- 23 May 2023
- Autori
- Jeonghoon Kim, Jung Hyun Lee, Sungdong Kim, Joonsuk Park, Kang Min Yoo, Se Jung Kwon, Dongsoo Lee
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-7B
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
- 7B
- Dati di addestramento
- tokens
- Epoche
- 3
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
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Dati di benchmark
- LLaMA-7B (LoRA finetuned)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Memory-Efficient Fine-Tuning of Compressed Large Language Models via sub-4-bit Integer Quantization
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Sfondo
LLaMA-7B (LoRA finetuned) è stato pubblicato da NAVER, nel paese registrato come Korea (Republic of), durante May 2023. La categoria sotto cui rientra l'editore è industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling/generation, Question answering.
Il suo punto di partenza era un modello di base esistente, LLaMA-7B. La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
LLaMA-7B (LoRA finetuned) — domande comuni
LLaMA-7B (LoRA finetuned)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
LLaMA-7B (LoRA finetuned)— quanti parametri ha?
Ha un numero di parametri di 7B. 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.
LLaMA-7B (LoRA finetuned)— chi l'ha creato?
È stato pubblicato da NAVER, basato su Korea (Republic of), un'organizzazione categorizzata come industry.
LLaMA-7B (LoRA finetuned)— quando è stato rilasciato?
È stato pubblicato in May 2023. 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.
LLaMA-7B (LoRA finetuned)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling/generation, Question answering. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
LLaMA-7B (LoRA finetuned)— 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.
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.