Alibaba-NLP (mGTE)
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
- Alibaba,Hong Kong Polytechnic University
- Tipo di organizzazione
- Industry,Academia
- Paese
- China, Hong Kong
- Pubblicato
- 14 October 2024
- Autori
- Xin Zhang, Yanzhao Zhang, Dingkun Long, Wen Xie, Ziqi Dai, Jialong Tang, Huan Lin, Baosong Yang, Pengjun Xie, Fei Huang, Meishan Zhang, Wenjie Li, Min Zhang
Cosa fa
Le aree problematiche per cui è stato progettato il modello. Un modello può contenere diversi di ciascuno.
- Dominio
- Language
- Compito
- Semantic embedding
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
- 304M
- Dati di addestramento
- tokens
304M
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 A100
- Chip utilizzati
- 1
- Consumo energetico
- 433 W
Come è classificato
Etichette del dataset sorgente si applicano quando si tracciano modelli notevoli, e quanto è sicuro nell'entry.
- Record fiducia
- Confident
- Citazioni
- 302
Fonti
Da dove proviene questo record e quando è stato controllato l'ultima volta.
- Riferimento
- mGTE: Generalized Long-Context Text Representation and Reranking Models for Multilingual Text Retrieval
- Ultimo aggiornamento
- 25 May 2026
Cosa significano i numeri
Da dove è venuto
Alibaba-NLP (mGTE) è stato pubblicato da Alibaba,Hong Kong Polytechnic University, nel paese registrato come China, durante October 2024. La categoria sotto cui rientra l'editore è industry,Academia.
Funziona nel dominio di Language, ed è registrato come eseguire il compito di semantic embedding.
Poiché i pesi non sono disponibili, nessuna delle specifiche hardware presenti in questo sito si applica ad esso.
Risposte
Alibaba-NLP (mGTE) — domande comuni
Alibaba-NLP (mGTE)— quanti parametri ha?
Ha un numero di parametri di 304M. 304M. 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.
Alibaba-NLP (mGTE)— chi l'ha creato?
È stato pubblicato da Alibaba,Hong Kong Polytechnic University, basato su China, un'organizzazione categorizzata come industry,Academia.
Alibaba-NLP (mGTE)— quando è stato rilasciato?
È stato pubblicato in October 2024. 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.
Alibaba-NLP (mGTE)— A cosa serve?
Funziona nel dominio di Language, e viene registrato come gestire il compito di semantic embedding. Queste sono le aree su cui è stato progettato; descrivono l'intento piuttosto che un confine rigido.
Alibaba-NLP (mGTE)— 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.
Alibaba-NLP (mGTE)— 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.
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.