BloombergGPT
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
- Bloomberg,Johns Hopkins University
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America
- Pubblicato
- 30 March 2023
- Autori
- Shijie Wu, Ozan Irsoy, Steven Lu, Vadim Dabravolski, Mark Dredze, Sebastian Gehrmann, Prabhanjan Kambadur, David Rosenberg, Gideon Mann
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Language modeling/generation, Question answering, Financial management, Text classification
- Approccio
- Self-supervised learning
- Formato numerico
- BF16
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
- 50.6B
- Dati di addestramento
- 569,000,000,000 tokens
- Epoche
- 0.8
- Dimensione del Batch
- 4,200,000
708.9 billion tokens. At 0.75 English words per token, that's 532B words
"in the first 7,200 steps, we use a batch size of 1,024 (2.1M tokens), then switch to a batch size of 2,048 (4.2M tokens) for the remainder of training."
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.
- Calcolo di addestramento
- 2.4 × 10²³ FLOP
- Come è stato stabilito
- Reported,Hardware
2.36e23 per Table 4 (using our usual hardware method, 512 A100s over 53 days would be 512 * 312 teraFLOP/s * 53 * 24 * 3600 * 0.3 = 2.19e23)
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
- Chip utilizzati
- 512
- Chip-ore
- 650,240
- Tempo di parete
- 1,270 hours (52.9 days)
- Utilizzo dell'hardware
- MFU 24.6% · HFU 32.7%
- Consumo energetico
- 408.3 kW
- Costo di calcolo
- $369,586
"~53 days"
Table 4 indicates an average of 102e12 FLOP/sec per A100 during training. HFU = 102e12 / 312e12 = 0.327. Confirmed by calculating manually with number of steps and time per step. Note also: "Since we adopt activation checkpointing to reduce our memory footprint, this costs us an additional 0.33x TFLOPs per iteration due to repeated forward passes." Then, MFU = (102/1.33)/312 = 0.2460
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.
- Modello di base
- Yes
- Probabilmente sopra 10²³ FLOP
- Yes
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 1,299
"We validate BloombergGPT on standard LLM benchmarks, open financial benchmarks, and a suite of internal benchmarks that most accurately reflect our intended usage. Our mixed dataset training leads to a model that outperforms existing models on financial tasks by significant margins without sacrificing performance on general LLM benchmarks."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- BloombergGPT: A Large Language Model for Finance
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
BloombergGPT è stato pubblicato da Bloomberg,Johns Hopkins University, nel paese registrato come United States of America, durante March 2023. La categoria sotto cui rientra l'editore è industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Language modeling/generation, Question answering, Financial management, Text classification.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Addestramento e provenienza
La produzione di esso ha richiesto un'aritmetica totale di circa 2.4 × 10²³ FLOP, su hardware registrato come NVIDIA A100. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
Il set di addestramento si aggirava attorno a 569,000,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
BloombergGPT — domande comuni
BloombergGPT— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
BloombergGPT— quanti parametri ha?
Ha un numero di parametri di 50.6B. 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.
BloombergGPT— chi l'ha creato?
È stato pubblicato da Bloomberg,Johns Hopkins University, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
BloombergGPT— quando è stato rilasciato?
È stato pubblicato in March 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.
BloombergGPT— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Language modeling/generation, Question answering, Financial management, Text classification. Un modello può gestire diversi di ciascuno, quindi queste sono le aree per cui è stato costruito piuttosto che un limite su ciò che tenterà.
BloombergGPT— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.4 × 10²³ FLOP, su hardware registrato come NVIDIA A100. Questo misura quanto costa produrre il modello e non dice nulla su quanto rapidamente risponde una volta addestrato — la velocità di inferenza deriva dalla larghezza di banda della memoria, non dal budget di addestramento.
BloombergGPT— 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.