Mnemonic Reader
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
- Fudan University,Microsoft Research
- Tipo di organizzazione
- Academia,Industry
- Paese
- China, United States of America
- Pubblicato
- 8 May 2017
- Autori
- Minghao Hu, Yuxing Peng, Zhen Huang, Xipeng Qiu, Furu Wei, Ming Zhou
Cosa fa
Le aree problematiche per cui è stato progettato 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 la cifra che decide se si adatta a una determinata scheda grafica.
- Dati di addestramento
- 215,570 tokens
size of SQuAD
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Perché è monitorato
- SOTA improvement
- Record fiducia
- Confident
- Citazioni
- 217
from the abstract " Extensive experiments on the Stanford Question Answering Dataset (SQuAD) show that our model achieves state-of-the-art results. Meanwhile, our model outperforms previous systems by over 6% in terms of both Exact Match and F1 metrics on two adversarial SQuAD datasets. "
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- Reinforced Mnemonic Reader for Machine Reading Comprehension
- Ultimo aggiornamento
- 28 November 2025
Cosa significano i numeri
Cosa è questo modello
Mnemonic Reader è stato pubblicato da Fudan University,Microsoft Research, nel paese registrato come China, durante May 2017. Esce da un'organizzazione categorizzata come academia,Industry.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di 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 è stato necessario per costruirlo
Il set di addestramento si aggirava attorno a 215,570 token di testo
Il motivo per cui appare in questo catalogo è: sOTA improvement.
Risposte
Mnemonic Reader — domande comuni
Mnemonic Reader— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di question answering. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Mnemonic Reader— 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.
Mnemonic Reader— è open-source?
La licenza non è mai stata registrata nei nostri dati sorgente. Trattiamo le licenze non dichiarate come chiuse, perché una licenza non registrata non è una su cui fare affidamento.
Mnemonic Reader— quanti parametri ha?
Non è stato pubblicato alcun conteggio dei parametri per esso, motivo per cui non appare alcun dato sulla memoria o sulla velocità su questa pagina.
Mnemonic Reader— chi l'ha creato?
È stato pubblicato da Fudan University,Microsoft Research, basato su China, un'organizzazione categorizzata come academia,Industry.
Mnemonic Reader— quando è stato rilasciato?
È stato pubblicato in May 2017. 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.
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.