Delphi
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
- Allen Institute for AI,University of Washington
- Tipo di organizzazione
- Research collective,Academia
- Paese
- United States of America
- Pubblicato
- 12 July 2022
- Autori
- Liwei Jiang, Jena D. Hwang, Chandra Bhagavatula, Ronan Le Bras, Jenny Liang, Jesse Dodge, Keisuke Sakaguchi, Maxwell Forbes, Jon Borchardt, Saadia Gabriel, Yulia Tsvetkov, Oren Etzioni, Maarten Sap, Regina Rini, Yejin Choi
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Chat
- Modello di base
- Unicorn
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
- 11B
- Dati di addestramento
- 26,214,400,000 tokens
- Epoche
- 4
- Dimensione del Batch
- 16
Training on the proposed COMMONSENSE NORM BANK is carried out for 400k gradient updates
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
- Operation counting
- Addestramento fine
- 1.7 × 10¹⁸ FLOP
=6*11B*400k gradient updates*16 (batch size)*4 epochs=1.6896 × 10^18
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
- Google TPU v3
- Tempo di parete
- 72 hours
We train Delphi using TPU v3-32 and evaluate it using TPU v3-8, with model parallelisms of 32 and 8 respectively, on Google Cloud Virtual Machines. Training Delphi on COMMONSENSE NORM BANK for 4 epochs takes approximately 72 hours.
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
- Hosted access (no API)
- Codice di addestramento
- Unreleased
https://delphi.allenai.org/
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Speculative
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Can Machines Learn Morality? The Delphi Experiment
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Delphi è stato pubblicato da Allen Institute for AI,University of Washington, nel paese registrato come United States of America, durante July 2022. Esce da un'organizzazione categorizzata come research collective,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di chat.
Invece di essere addestrato da zero, è derivato da Unicorn. È per questo che condivide la forma e le dimensioni generali del modello base.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Come è stato addestrato
È stato addestrato su un corpus di circa 26,214,400,000 token di testo
Risposte
Delphi — domande comuni
Delphi— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di chat. 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.
Delphi— 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.
Delphi— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Delphi— quanti parametri ha?
Ha un numero di parametri di 11B. 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.
Delphi— chi l'ha creato?
È stato pubblicato da Allen Institute for AI,University of Washington, basato su United States of America, un'organizzazione categorizzata come research collective,Academia.
Delphi— quando è stato rilasciato?
È stato pubblicato in July 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.
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.