RankBoost (meta-search)
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
- Columbia University,Princeton University,Hebrew University of Jerusalem
- Tipo di organizzazione
- Academia,Academia,Academia
- Paese
- United States of America, Israel
- Pubblicato
- 15 November 2003
- Autori
- Yoav Freund, Raj Iyer, Robert E. Schapire, Yoram Singer
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Recommendation
- Compito
- Recommender system, Search
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
- tokens
16 (ML) and 22 (UNIV) query-expansion templates; retrieve top-30 URLs per template; combine via RankBoost. ML: 210 base queries; UNIV: 290.
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.
- Record fiducia
- Unknown
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- An Efficient Boosting Algorithm for Combining Preferences
- Ultimo aggiornamento
- 11 February 2026
Cosa significano i numeri
Cosa è questo modello
RankBoost (meta-search) è stato pubblicato da Columbia University,Princeton University,Hebrew University of Jerusalem, nel paese registrato come United States of America, durante November 2003. L'organizzazione di pubblicazione è classificata come academia,Academia,Academia.
Funziona nel dominio di Recommendation, ed è registrato come eseguire il compito di recommender system, Search.
I suoi pesi non sono mai stati pubblicati, quindi può essere raggiunto solo attraverso il suo fornitore. Nessuna scheda GPU cambia questo.
Risposte
RankBoost (meta-search) — domande comuni
RankBoost (meta-search)— chi l'ha creato?
È stato pubblicato da Columbia University,Princeton University,Hebrew University of Jerusalem, basato su United States of America, un'organizzazione categorizzata come academia,Academia,Academia.
RankBoost (meta-search)— quando è stato rilasciato?
È stato pubblicato in November 2003. 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.
RankBoost (meta-search)— A cosa serve?
Funziona nel dominio di Recommendation, e viene registrato come gestire il compito di recommender system, Search. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
RankBoost (meta-search)— 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.
RankBoost (meta-search)— è open-source?
No. I pesi non sono stati pubblicati, quindi esiste solo come servizio controllato dal suo proprietario.
RankBoost (meta-search)— 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.
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.