Hanabi 4 player
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
- DeepMind,University of Oxford,Carnegie Mellon University (CMU),Google Brain
- Tipo di organizzazione
- Industry,Academia,Academia,Industry
- Paese
- United Kingdom of Great Britain and Northern Ireland, United States of America
- Pubblicato
- 1 February 2019
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Games
- Compito
- Hanabi
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
- 764K
- Dati di addestramento
- 20,000,000,000 tokens
source: https://docs.google.com/spreadsheets/d/1Kj4Q5WADcDXtUJLIOfGTCE3tGvxNczEMwyy8QtgSkHk/edit#gid=54587040&fvid=1361937389
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
- 4.3 × 10¹⁸ FLOP
- Come è stato stabilito
- Hardware
14.13e+12 FLOP/s * 7 days * 86400 s/day * 0.50 utilization = 4.3e+18 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 V100
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
- Unreleased
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- Historical significance
- Record fiducia
- Confident
- Citazioni
- 229
Adapted some SOTA RL algorithms to a new task that posed research challenges
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- The Hanabi Challenge: A New Frontier for AI Research
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Informazioni su questo modello
Hanabi 4 player è stato pubblicato da DeepMind,University of Oxford,Carnegie Mellon University (CMU),Google Brain, nel paese registrato come United Kingdom of Great Britain and Northern Ireland, durante February 2019. La categoria sotto cui rientra l'editore è industry,Academia,Academia,Industry.
Funziona nel dominio di Games, ed è registrato come eseguire il compito di hanabi.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Cosa è stato necessario per costruirlo
Il run di addestramento ha consumato circa 4.3 × 10¹⁸ FLOP, su hardware registrato come NVIDIA V100. 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 20,000,000,000 token di testo
Il motivo per cui appare in questo catalogo è: historical significance.
Risposte
Hanabi 4 player — domande comuni
Hanabi 4 player— quanto calcolo è stato utilizzato per addestrarlo?
L'addestramento ha consumato circa 4.3 × 10¹⁸ FLOP, su hardware registrato come NVIDIA V100. 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.
Hanabi 4 player— 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.
Hanabi 4 player— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
Hanabi 4 player— quanti parametri ha?
Ha un numero di parametri di 764K. source: https://docs.google.com/spreadsheets/d/1Kj4Q5WADcDXtUJLIOfGTCE3tGvxNczEMwyy8QtgSkHk/edit#gid=54587040&fvid=1361937389. 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.
Hanabi 4 player— chi l'ha creato?
È stato pubblicato da DeepMind,University of Oxford,Carnegie Mellon University (CMU),Google Brain, basato su United Kingdom of Great Britain and Northern Ireland, un'organizzazione categorizzata come industry,Academia,Academia,Industry.
Hanabi 4 player— quando è stato rilasciato?
È stato pubblicato in February 2019. 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.
Hanabi 4 player— A cosa serve?
Funziona nel dominio di Games, e viene registrato come gestire il compito di hanabi. I modelli portano frequentemente più di uno di ciascuno, e le etichette descrivono lo scopo piuttosto che i limiti di capacità.
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.