NMST+GPT-2
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
- New York University (NYU)
- Tipo di organizzazione
- Academia
- Paese
- United States of America
- Pubblicato
- 3 October 2022
- Autori
- Eugene Choi, Cheolhyoung Lee, Kyunghyun Cho
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling
- Modello di base
- GPT-2 (124M)
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
- 124M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 4.97
124M (the same as GPT-2)
500, 000 steps "For computational efficiency, we bucket the dataset into sequences of similar lengths, and each batch contains a maximum of 1,024 total tokens." 500000*1024 = 512 000 000 updates 512 000 000 / 103 000 000 = 4.97087378641 epochs
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
- 1.2 × 10²⁰ FLOP
- Addestramento fine
- 3.8 × 10¹⁷ FLOP
assuming that GPT-2 (124M) compute is similar to GPT-2 (117M) compute, which is 120000000000000000000 FLOP = 1.2 × 10^20 FLOP 120000000000000000000 FLOP + 380928000000000000 FLOP = 1.204×10^20 FLOP
6 FLOP / token / parameter * 512 000 000 tokens * 124 000 000 parameters = 3.80928 × 10^17 FLOP
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
BSD 3-Clause License. Looks like just training code https://github.com/nyu-dl/non-monotonic-self-terminating-lm
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
- NMST+GPT-2
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- A Non-monotonic Self-terminating Language Model
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Da dove è venuto
NMST+GPT-2 è stato pubblicato da New York University (NYU), nel paese registrato come United States of America, durante October 2022. La categoria sotto cui rientra l'editore è academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Il suo punto di partenza era un modello di base esistente, GPT-2 (124M). La maggior parte dei modelli di questa scala sono adattati da una base esistente piuttosto che costruiti da zero.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Come è stato addestrato
Il training ha richiesto un budget di calcolo di circa 1.2 × 10²⁰ FLOP. Quella cifra misura quanto è costata la produzione del modello e non ha alcun impatto su quanto velocemente risponde.
L'addestramento ha consumato un corpus di circa 103,000,000 token di testo
Risposte
NMST+GPT-2 — domande comuni
NMST+GPT-2— chi l'ha creato?
È stato pubblicato da New York University (NYU), basato su United States of America, un'organizzazione categorizzata come academia.
NMST+GPT-2— 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.
NMST+GPT-2— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. 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.
NMST+GPT-2— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.2 × 10²⁰ FLOP. 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.
NMST+GPT-2— 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.
NMST+GPT-2— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
NMST+GPT-2— quanti parametri ha?
Ha un numero di parametri di 124M. 124M (the same as GPT-2). 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.
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.