Minerva (540B)
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
- Tipo di organizzazione
- Industry
- Paese
- United States of America
- Pubblicato
- 29 June 2022
- Autori
- Aitor Lewkowycz, Anders Andreassen, David Dohan, Ethan Dyer, Henryk Michalewski, Vinay Ramasesh, Ambrose Slone, Cem Anil, Imanol Schlag, Theo Gutman-Solo, Yuhuai Wu, Behnam Neyshabur, Guy Gur-Ari, Vedant Misra
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Quantitative reasoning, Mathematical reasoning, Language modeling/generation, Question answering
- Approccio
- Self-supervised learning
- Modello di base
- PaLM (540B)
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
- 540.4B
- Dati di addestramento
- 26,000,000,000 tokens
"To further our understanding of the impact of scale on few-shot learning, we trained a 540-billion parameter, densely activated, Transformer language model, which we call Pathways Language Model (PaLM)." Our approach is to start with the PaLM pretrained decoder-only transformer language models Chowdhery et al. (2022), and further train (finetune) them on our mathematical dataset using an autoregressive objective. Table 2 contains the main model and training hyperparameters. See Table 2
"Our models were trained on a dataset of 38.5B tokens" + PaLM upd 38.5B tokens - sie of the dataset, the model saw 26B tokens in 399k steps (see Table 2)
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
- 2.7 × 10²⁴ FLOP
- Come è stato stabilito
- Hardware
- Addestramento fine
- 2.1 × 10²³ FLOP
Minerva was fine-tuned from PaLM using the same hardware. Assume the same model FLOPs utilization rate for pre-training and fine-tuning. "the 540B model was trained for 29 days on a v4-1024" PaLM pretraining time: 6144 TPU for 1200 hours + 3072 TPU for 336 hours = @8404992 TPU-hours Minerva finetuning time: 1024 TPU for 696 hours = 712704 TPU-hours So fine-tuning added 8.5% more compute. Minerva total compute = PaLM pretraining compute * (712704+8404992)/(8404992) = 2.7415*10^24 FLOP https://w…
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 v4
- Chip utilizzati
- 1,024
- Chip-ore
- 712,704
- Tempo di parete
- 696 hours (29 days)
- Consumo energetico
- 698.4 kW
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 Frontier
- Yes
- Modello di base
- Yes
- Probabilmente sopra 10²³ FLOP
- Yes
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 1,673
"We achieve state-of-the-art performance on MATH Hendrycks et al. (2021), GSM8k Cobbe et al. (2021), and a STEM subset of the MMLU Hendrycks et al. (2020) dataset"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Solving Quantitative Reasoning Problems with Language Models
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Minerva (540B) è stato pubblicato da Google, nel paese registrato come United States of America, durante June 2022. Esce da un'organizzazione categorizzata come industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di quantitative reasoning, Mathematical reasoning, Language modeling/generation, Question answering.
Invece di essere addestrato da zero, è derivato da PaLM (540B). È per questo che condivide la forma e le dimensioni generali del modello base.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Addestramento e provenienza
Il run di addestramento ha consumato circa 2.7 × 10²⁴ FLOP, su hardware registrato come Google TPU v4. 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 26,000,000,000 token di testo
È tracciato nel dataset sottostante per una ragione in particolare: sOTA improvement.
Risposte
Minerva (540B) — domande comuni
Minerva (540B)— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.7 × 10²⁴ FLOP, su hardware registrato come Google TPU v4. 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.
Minerva (540B)— 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.
Minerva (540B)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Minerva (540B)— quanti parametri ha?
Ha un numero di parametri di 540.4B. "To further our understanding of the impact of scale on few-shot learning, we trained a 540-billion parameter, densely activated, Transformer language model, which we call Pathways Language Model (PaLM)." Our approach is to start with the PaLM pretrained decoder-only transformer language models Chowdhery et al. (2022), and further train (finetune) them on our mathematical dataset using an autoregressive objective. Table 2 contains the main model and training hyperparameters. See Table 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.
Minerva (540B)— chi l'ha creato?
È stato pubblicato da Google, basato su United States of America, un'organizzazione categorizzata come industry.
Minerva (540B)— quando è stato rilasciato?
È stato pubblicato in June 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.
Minerva (540B)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di quantitative reasoning, Mathematical reasoning, Language modeling/generation, Question answering. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.