TOME
Nessuna stima
Nessun requisito hardware per questo modello
I pesi di questo modello non sono stati pubblicati, quindi non può essere scaricato o eseguito sul vostro hardware a qualsiasi dimensione. È accessibile solo attraverso il suo fornitore, e nessuna scheda grafica può cambiare questo.
In registrazione
Specifiche complete
Tutto ciò che riguarda questo modello. La maggior parte delle informazioni descrive come è stato addestrato piuttosto che come viene eseguito — un contesto utile per valutare la quantità di lavoro impiegata e come si confronta con modelli realizzati su scala diversa.
Origine
Chi ha costruito questo modello, dove e quando è stato pubblicato.
- Organizzazione
- University of Southern California,Google
- Tipo di organizzazione
- Academia,Industry
- Paese
- United States of America
- Pubblicato
- 12 October 2021
- Autori
- Michiel de Jong, Yury Zemlyanskiy, Nicholas FitzGerald, Fei Sha, William Cohen
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Question answering
- Numerical format
- FP32
Dimensione
Quanto è grande il modello e su quanti dati è stato addestrato. I parametri sono il valore che decide se si adatta a una determinata scheda grafica.
- Parametri
- 220M
- Dati di addestramento
- tokens
- Epoche
- 157.29
- Dimensione del batch
- 524,288
220M from Table 1 entry for TOME
Per Wikipedia, the site had 3.755B words as of the most recent checkpoint prior to the paper's publication: https://en.wikipedia.org/wiki/Wikipedia:Size_of_Wikipedia#Yearly_statistics 3.755B * 4/3 = 5B tokens
"All models are pre-trained on [...] batch size of 4096. Each passage in the batch has length T = 128, excluding entity tokens."
Addestramento computazionale
L'aritmetica eseguita per addestrare il modello, misurata in operazioni in virgola mobile. È una misura di quanto costato l'addestramento, non di quanto velocemente il modello finito ti risponde.
- Addestramento computazionale
- 1 × 10²¹ FLOP
- Come è stato stabilito
- Operation counting
We have information about hardware "All models are pre-trained on 128 TPUs using AdamW optimizer (Loshchilov& Hutter, 2019) with learning rate 1e-4 and batch size of 4096.", but no information about training time and exact model of TPUs. There is information about training 1.5M steps with batch size 4096 * 128 citation from appendix A: "The Mention Encoder and BATCH-TOME are pre-trained for 1 million steps with 50k warmup steps, and TOME is trained for 500k additional steps with 25k warmup step…
Disponibilità
Se puoi ottenere il modello e eseguirlo sul tuo hardware, il che decide se una delle cifre della scheda grafica su questa pagina si applica.
- Pesi
- Closed — provider access only
- Accesso al modello
- Unreleased
- Codice di addestramento
- Open source
Apache 2.0 (repo license) https://github.com/google-research/language/tree/master/language/mentionmemory
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Registrare fiducia
- Likely
- Citazioni
- 55
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Mention Memory: incorporating textual knowledge into Transformers through entity mention attention
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Background
TOME was published by University of Southern California,Google, in United States of America, in October 2021. The organisation is categorised as academia,Industry.
It works in Language, and is recorded as doing question answering.
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
Producing it required around 1 × 10²¹ FLOP of arithmetic, which is a statement about the training budget rather than about inference.
Risposte
TOME — Domande frequenti
How much compute was used to train TOME?
Around 1 × 10²¹ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run TOME?
None. TOME is a closed model — its weights were never published, so it cannot be downloaded or run on your own hardware at any price. It is reachable only through its provider.
Is TOME open source?
No. TOME has not had its weights published, so it exists only as a service controlled by its owner.
How many parameters does TOME have?
TOME has 220M parameters. 220M from Table 1 entry for TOME. That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created TOME?
TOME was published by University of Southern California,Google, based in United States of America, categorised as academia,Industry.
When was TOME released?
TOME was published in October 2021. Capability per parameter has improved considerably since, so a newer model of the same size is often the better use of the same hardware.
What is TOME used for?
TOME works in Language, and is recorded as handling question answering. These are the areas it was designed around; they describe intent rather than a hard boundary.
L'altra direzione
Guardando la questione dall'altra parte?
Questa pagina inizia dal modello. Se possedete già una scheda e desiderate conoscere tutto ciò che può eseguire, inizia dall'hardware invece.