S-Norm
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 Washington,Allen Institute for AI
- Tipo di organizzazione
- Academia,Research collective
- Paese
- United States of America
- Pubblicato
- 29 October 2017
- Autori
- Christopher Clark, Matt Gardner
Cosa fa
Le aree problematiche per cui è stato costruito il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Question answering
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.
- Dati di addestramento
- 1,060,000 tokens
- Epoche
- 1
"530k question-document training pairs" average question length of 14 words and document length of 2895 words, per https://www.cs.utexas.edu/~eunsol/files/papers/acl17jcwz.pdf 530,000 * 2895 words on average * 1.33 tokens/word = ~2,000,000,000
Come è classificato
Etichette che il dataset sorgente applica quando si monitorano modelli notevoli e quanto è fiducioso nell'entry.
- Perché viene tracciato
- SOTA improvement
- Registrare fiducia
- Confident
- Citazioni
- 483
"Overall, we are able to achieve a score of 71.3 F1 on the web portion of TriviaQA, a large improvement from the 56.7 F1 of the previous best system."
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Simple and Effective Multi-Paragraph Reading Comprehension
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Informazioni su questo modello
S-Norm was published by University of Washington,Allen Institute for AI, in United States of America, in October 2017. The organisation is categorised as academia,Research collective.
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.
Cosa ci è voluto per costruirlo
Around 1,060,000 tokens went into training it.
Its inclusion criterion is sOTA improvement.
Risposte
S-Norm — Domande frequenti
When was S-Norm released?
S-Norm was published in October 2017. 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 S-Norm used for?
S-Norm works in Language, and is recorded as handling question answering. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run S-Norm?
None. S-Norm 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 S-Norm open source?
The licensing for S-Norm was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does S-Norm have?
No parameter count has been published for S-Norm, which is why no memory or speed figure appears on this page.
Who created S-Norm?
S-Norm was published by University of Washington,Allen Institute for AI, based in United States of America, categorised as academia,Research collective.
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.