ChunkLlama2-13B
Geen schatting
Geen hardware-eisen voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of uitgevoerd op je eigen hardware in welke grootte dan ook. Het is alleen bereikbaar via de aanbieder, en geen enkele grafische kaart verandert dat..
Op record
Volledige specificatie
Alles wat geregistreerd is voor dit model. Het merendeel beschrijft hoe het getraind werd in plaats van hoe het draait - nuttige context om te beoordelen hoeveel werk erin is gestoken, en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd..
Oorsprong
Wie heeft dit model gebouwd, waar, en wanneer het gepubliceerd werd.
- Organisatie
- Alibaba,The University of Hong Kong,Fudan University
- Organisatietype
- Industry,Academia,Academia
- Land
- China, Hong Kong
- Gepubliceerd
- 29 May 2024
- Auteurs
- Chenxin An, Fei Huang, Jun Zhang, Shansan Gong, Xipeng Qiu, Chang Zhou, Lingpeng Kong
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling/generation, Question answering
- Basis model
- Llama 2-13B
Grootte
Hoe groot het model is en hoeveel data het is getraind. Parameters zijn het cijfer dat bepaalt of het past op een gegeven grafische kaart.
- parameters
- 13B
- Training gegevens
- 256,000,000 tokens
same as base model
The training dataset is sourced from ShareGPT and AlpacaGPT (Taori et al., 2023). For the data derived from ShareGPT, we specifically curate a subset by extracting responses generated by GPT-4, and dialogues that exceed 4k tokens in length. This selection results in a compilation of 5,405 training instances. We further finetune Llama2 with over 16k steps with a batch size of 1. prompt length 16k tokens ->16000 steps*16000 tokens= 256000000 tokens
Training rekenen
De berekeningen uitgevoerd om het model te trainen, gemeten in drijvende-komma-operaties. Het is een maat voor wat de trainingsrun kostte, niet voor hoe snel het voltooide model je beantwoordt.
- Hoe het werd opgericht
- Hardware,Operation counting
- Fijn-tuning compute
- 2 × 10¹⁹ FLOP
6 FLOP/parameter/token * 13000000000 parameters * 256000000 tokens = 19968000000000000000 FLOP 312000000000000 FLOP/GPU/sec * 60 GPU-hours * 3600 sec / hour * 0.3 [assumed utilization] = 20217600000000000000 FLOP sqrt(19968000000000000000*20217600000000000000) = 2.0092412e+19
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- NVIDIA A100 SXM4 80 GB
- Chip-uren
- 60
Beschikbaarheid
Of je het model kunt verkrijgen en het op je eigen hardware kunt draaien, wat bepaalt of een van de grafische kaartcijfers op deze pagina van toepassing is.
- Gewichten
- Closed — provider access only
- Toegang tot model
- Unreleased
- Training code
- Open source
Apache 2.0 https://github.com/HKUNLP/ChunkLlama
Hoe het is geclassificeerd
Labels van de brondataset die worden toegepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Record vertrouwen
- Confident
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Training-Free Long-Context Scaling of Large Language Models
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
ChunkLlama2-13B werd gepubliceerd door Alibaba,The University of Hong Kong,Fudan University, in het land geregistreerd als China, tijdens May 2024. De categorie waaronder de uitgever valt is industry,Academia,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering.
Het bouwt voort op Llama 2-13B. Dat is de gebruikelijke manier waarop een gespecialiseerd model wordt geproduceerd.
Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.
Training en herkomst
Training verbruikte een corpus van ongeveer 256,000,000 tekstokens
Antwoorden
ChunkLlama2-13B — veelgestelde vragen
ChunkLlama2-13B— Welke GPU heb ik nodig om het te draaien?
Dit is een gesloten model — de gewichten zijn nooit gepubliceerd, dus het kan niet gedownload of uitgevoerd worden op je eigen hardware voor eender welke prijs. Het is alleen bereikbaar via de aanbieder.
ChunkLlama2-13B— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
ChunkLlama2-13B— hoeveel parameters heeft het?
Het heeft een parameter telling van 13B. same as base model. Dat cijfer is het totaal, en het bepaalt hoeveel MEMORY het MODEL nodig heeft - ongeveer een halve gigabyte per miljard bij de compressie die de meeste mensen gebruiken.
ChunkLlama2-13B— wie heeft het gemaakt?
Het werd gepubliceerd door Alibaba,The University of Hong Kong,Fudan University, gebaseerd op China, een organisatie geclassificeerd als industry,Academia,Academia.
ChunkLlama2-13B— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2024. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
ChunkLlama2-13B— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering. Modellen hebben vaak meer dan één van elk, en de tags beschrijven het doel in plaats van de capaciteitslimieten.
De andere richting
Van de andere kant bekijken?
Deze pagina begint met het model. Als je al een kaart bezit en alles wilt weten wat het zal draaien, begin in plaats van de hardware.