ERNIE 3.0 Titan
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
- Baidu,Peng Cheng Laboratory
- Tipo di organizzazione
- Industry,Academia
- Paese
- China
- Pubblicato
- 23 December 2021
- Autori
- Shuohuan Wang, Yu Sun, Yang Xiang, Zhihua Wu, Siyu Ding, Weibao Gong, Shikun Feng
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification
- Formato numerico
- FP16
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
- 260B
- Dati di addestramento
- 668,000,000,000 tokens
- Dimensione del Batch
- 1,048,576
"[We] developed... distributed training technology, including fine-grained parallelism, heterogeneous hardware-aware training, and fault tolerance mechanism to train the 260B model on both Nvidia V100 GPU and Ascend 910 NPU clusters." See also: https://twitter.com/BaiduResearch/status/1468633977242243078?t=6q4zuLNdTSc4GUBe9OM5Aw&s=19
"To ensure the success of the pre-training of ERNIE 3.0 Titan, we utilize the ERNIE 3.0 Corpus [ 2 ], a large-scale, wide-variety, and high-quality Chinese text corpora amounting to 4TB" Assuming 167M words/tokens per GB
"The maximum sequence length of context and the memory length of language generation is 512 and 128, respectively" In table 1, they use a global batch size of 512 when data parallelism is "1" and 2048 when DP is "4". Not sure I fully understand this part but I guess they'd use parallelism as much as possible given how they talk about it. 2048 * 512 = 1048576.
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 × 10²⁴ FLOP
- Come è stato stabilito
- Operation counting
The paper suggests that ERNIE 3.0 Titan uses more compute than GPT-3. This is consistent with the 6ND approximation. C = 6ND = 6 (FLOP/param/token) * (260B params) * (668B tokens) = 1.0421*10^24 FLOP
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
- NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910
- Chip utilizzati
- 1,920
- Centro dati
- Peng Cheng Cloud Brain II, Paper on Ernie 3.0
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
The Ernie 3.0 Titan model was used in Ernie bot. Today, ERNIE has been widely deployed across finance, healthcare, insurance, equity, Internet, logistics, and other fields. http://research.baidu.com/Blog/index-view?id=165
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
- 87
"Empirical results show that the ERNIE 3.0 Titan outperforms the state-of-the-art models on 68 NLP datasets."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- ERNIE 3.0 Titan: Exploring Larger-scale Knowledge Enhanced Pre-training for Language Understanding and Generation
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Sfondo
ERNIE 3.0 Titan è stato pubblicato da Baidu,Peng Cheng Laboratory, nel paese registrato come China, durante December 2021. Esce da un'organizzazione categorizzata come industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification.
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
La produzione di esso ha richiesto un'aritmetica totale di circa 1 × 10²⁴ FLOP, su hardware registrato come NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910. 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 668,000,000,000 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
ERNIE 3.0 Titan — domande comuni
ERNIE 3.0 Titan— 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.
ERNIE 3.0 Titan— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
ERNIE 3.0 Titan— quanti parametri ha?
Ha un numero di parametri di 260B. "[We] developed... distributed training technology, including fine-grained parallelism, heterogeneous hardware-aware training, and fault tolerance mechanism to train the 260B model on both Nvidia V100 GPU and Ascend 910 NPU clusters." See also: https://twitter.com/BaiduResearch/status/1468633977242243078?t=6q4zuLNdTSc4GUBe9OM5Aw&s=19. 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.
ERNIE 3.0 Titan— chi l'ha creato?
È stato pubblicato da Baidu,Peng Cheng Laboratory, basato su China, un'organizzazione categorizzata come industry,Academia.
ERNIE 3.0 Titan— quando è stato rilasciato?
È stato pubblicato in December 2021. 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.
ERNIE 3.0 Titan— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Language modeling/generation, Relation extraction, Sentiment classification, Text classification. 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.
ERNIE 3.0 Titan— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 1 × 10²⁴ FLOP, su hardware registrato come NVIDIA Tesla V100 DGXS 32 GB,Huawei Ascend 910. 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.