Segatron -XL base, M=150 + 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
- 151M
- Dati di addestramento
- 103,000,000 tokens
- Epoche
- 18.64
Table 1 reports WikiText results, Table 2 arxiv. WikiText experiments use the larger model of the two.
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
- 1.7 × 10¹⁸ FLOP
"base model: 16 layers, 10 heads, hidden size 410, batch size 64, training steps 200k;" "The input lengths are 150 for the base model and 384 for the large model. " 6ND estimate: 6*200000*64*150*151000000=1.73952e+18
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.
- Record fiducia
- Confident
- Citazioni
- 17
- Dati di benchmark
- Segatron -XL base, M=150 + HCP
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
Informazioni su questo modello
Segatron -XL base, M=150 + HCP è stato pubblicato da Microsoft Research,University of Waterloo, nel paese registrato come United States of America, durante March 2022. L'organizzazione di pubblicazione è classificata come industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling.
Questo è un modello chiuso: i valori addestrati sono rimasti con chi li ha prodotti, e non c'è una versione locale da eseguire.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 1.7 × 10¹⁸ 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
Segatron -XL base, M=150 + HCP — domande comuni
Segatron -XL base, M=150 + 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 base, M=150 + HCP— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Segatron -XL base, M=150 + HCP— quanti parametri ha?
Ha un numero di parametri di 151M. Table 1 reports WikiText results, Table 2 arxiv. WikiText experiments use the larger model of the two. 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.
Segatron -XL base, M=150 + 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 base, M=150 + 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 base, M=150 + HCP— 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.
Segatron -XL base, M=150 + HCP— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1.7 × 10¹⁸ 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.
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.