CODA
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
- The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- Hong Kong, China
- Pubblicato
- 31 May 2021
- Autori
- Lin Zheng, Zhiyong Wu, Lingpeng Kong
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Language modeling, Translation
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
- 246.9M
- Dati di addestramento
- 103,000,000 tokens
Table 1
"Wikitext-103 [...] consists of articles from Wikipedia with the token number around 103M/218K/246K for the training/validation/testing splits respectively."
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 source
MIT for code: https://github.com/LZhengisme/CODA
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 3
- Dati di benchmark
- CODA
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Cascaded Head-colliding Attention
- Ultimo aggiornamento
- 1 December 2025
Cosa significano i numeri
Sfondo
CODA è stato pubblicato da The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, nel paese registrato come Hong Kong, durante May 2021. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di language modeling, Translation.
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
L'addestramento ha consumato un corpus di circa 103,000,000 token di testo
Risposte
CODA — domande comuni
CODA— chi l'ha creato?
È stato pubblicato da The University of Hong Kong,Sun Yat-sen University,Shanghai AI Lab, basato su Hong Kong, un'organizzazione categorizzata come academia,Academia,Academia.
CODA— quando è stato rilasciato?
È stato pubblicato in May 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.
CODA— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di language modeling, Translation. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
CODA— 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.
CODA— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
CODA— quanti parametri ha?
Ha un numero di parametri di 246.9M. Table 1. 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.