Segatron-XL large, M=384 + HCP
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
- Microsoft Research,University of Waterloo
- Tipo di organizzazione
- Industry,Academia
- Paese
- United States of America, Canada
- Pubblicato
- 21 March 2022
- Autori
- He Bai, Tong Wang, Alessandro Sordoni, Peng Shi
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
- 257M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 167.02
257M (Table 1) 18 layers, 16 heads, hidden size 1024 batch size 128.
103000000 tokens - size of wikitext 103 Training steps: 350,000 steps Sequence length: 384 tokens Batch size: 128 Tokens per batch = 384 tokens/batch × 128 = 49,152 tokens/batch Total tokens = 49,152 tokens/batch × 350,000 steps = 17.2 billion tokens 17200000000/103000000 = 167 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
- 2.7 × 10¹⁹ FLOP
- Come è stato stabilito
- Operation counting
6 FLOP / token / parameter * 257000000 parameters * 384 tokens/batch × 128 [batch size] * 350000 steps = 2.6527334e+19 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 (non-commercial)
code, no license https://github.com/richardbaihe/robustlm
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 17
- Dati di benchmark
- Segatron-XL large, M=384 + HCP
"Empirically, this curriculum learning strategy consistently improves perplexity over various large, highly-performant state-of-the-art Transformer-based models on two datasets, WikiText-103 and ARXIV"
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Better Language Model with Hypernym Class Prediction
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Segatron-XL large, M=384 + HCP è stato pubblicato da Microsoft Research,University of Waterloo, nel paese registrato come United States of America, durante March 2022. Esce da un'organizzazione categorizzata come industry,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
La produzione di esso ha richiesto un'aritmetica totale di circa 2.7 × 10¹⁹ FLOP. 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 103,000,000 token di testo
Il suo criterio di inclusione: sOTA improvement.
Risposte
Segatron-XL large, M=384 + HCP — domande comuni
Segatron-XL large, M=384 + HCP— chi l'ha creato?
È stato pubblicato da Microsoft Research,University of Waterloo, basato su United States of America, un'organizzazione categorizzata come industry,Academia.
Segatron-XL large, M=384 + HCP— quando è stato rilasciato?
È stato pubblicato in March 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.
Segatron-XL large, M=384 + HCP— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
Segatron-XL large, M=384 + HCP— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 2.7 × 10¹⁹ 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.
Segatron-XL large, M=384 + HCP— 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.
Segatron-XL large, M=384 + HCP— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Segatron-XL large, M=384 + HCP— quanti parametri ha?
Ha un numero di parametri di 257M. 257M (Table 1) 18 layers, 16 heads, hidden size 1024 batch size 128. 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.