Verbatim Memory Transformer (182M)
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
- Johns Hopkins University,New York University (NYU)
- Tipo di organizzazione
- Academia,Academia
- Paese
- United States of America
- Pubblicato
- 24 October 2022
- Autori
- Kristijan Armeni, Christopher Honey, Tal Linzen
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
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
- 182M
- Dati di addestramento
- 102,000,000 tokens
Table 3
102M tokens Table 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
- Open source
CC BY 4.0 for code: https://github.com/KristijanArmeni/verbatim-memory-in-NLMs
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Citazioni
- 9
- Dati di benchmark
- Characterizing Verbatim Short-Term Memory in Neural Language Models (182M)
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Characterizing Verbatim Short-Term Memory in Neural Language Models
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Cosa è questo modello
Verbatim Memory Transformer (182M) è stato pubblicato da Johns Hopkins University,New York University (NYU), nel paese registrato come United States of America, durante October 2022. L'organizzazione di pubblicazione è classificata come academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 102,000,000 token di testo
Risposte
Verbatim Memory Transformer (182M) — domande comuni
Verbatim Memory Transformer (182M)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Verbatim Memory Transformer (182M)— quanti parametri ha?
Ha un numero di parametri di 182M. Table 3. 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.
Verbatim Memory Transformer (182M)— chi l'ha creato?
È stato pubblicato da Johns Hopkins University,New York University (NYU), basato su United States of America, un'organizzazione categorizzata come academia,Academia.
Verbatim Memory Transformer (182M)— quando è stato rilasciato?
È stato pubblicato in October 2022. 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.
Verbatim Memory Transformer (182M)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Verbatim Memory Transformer (182M)— 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.