CoRe
Geen schatting
Geen hardwarevereisten voor dit model
De gewichten voor dit model zijn niet gepubliceerd, dus het kan niet worden gedownload of op uw eigen hardware worden uitgevoerd in welke omvang dan ook. Het is alleen toegankelijk via de provider, en geen grafische kaart verandert dat.
Op record
Volledige specificatie
Alles over dit model vastgelegd. Het meeste beschrijft hoe het getraind is in plaats van hoe het draait — nuttige context om te beoordelen hoeveel werk erin gestoken is en hoe het zich verhoudt tot modellen die op een andere schaal zijn gebouwd.
Oorsprong
Wie heeft dit model gebouwd, waar en wanneer het werd gepubliceerd.
- Organisatie
- Tsinghua University
- Organisatie type
- Academia
- Land
- China
- Gepubliceerd
- 29 December 2023
- Auteurs
- Xinyu Zhu, Junjie Wang, Lin Zhang, Yuxiang Zhang, Ruyi Gan, Jiaxing Zhang, Yujiu Yang
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Mathematics, Language
- Taak
- Quantitative reasoning, Language modeling/generation
- Base model
- GPT-J-6B
Grootte
Hoe groot het model is en hoeveel data erop is getraind. Parameters zijn de cijfers die bepalen of het op een bepaalde grafische kaart past.
- Parameters
- 12.4B
- Opleidingsgegevens
- tokens
"Since the default setting consists of two GPT-J (6B) and a DeBERTa-large (0.4B), we note our backbone as “GPT-J 12B”, which implies around 12.4 billion parameters in total. "
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het net trok.
- Trainingshardware
- NVIDIA A100 SXM4 40 GB
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
- Model toegang
- Unreleased
- Trainingscode
- Open (non-commercial)
no clear license https://github.com/TianHongZXY/CoRe
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Waarom het wordt gevolgd
- SOTA improvement
- Vereiste vertrouwen
- Speculative
- Citations
- 109
We evaluate our CoRe framework on several mathematical reasoning datasets and achieve decent improvement over state-of-the-art methods, up to 9.6% increase over best baselines.
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Solving Math Word Problems via Cooperative Reasoning induced Language Models
- Laatst bijgewerkt
- 25 May 2026
Wat de cijfers betekenen
Background
CoRe was published by Tsinghua University, in China, in December 2023. The organisation is categorised as academia.
It works in Mathematics, Language, and is recorded as doing quantitative reasoning, Language modeling/generation.
It builds on GPT-J-6B, which is why it shares that model's general shape and size.
Omdat de gewichten niet beschikbaar zijn, zijn geen van de hardwarecijfers elders op deze site op dit van toepassing.
Hoe het was getraind
The reason it appears in this catalogue at all is sOTA improvement.
Antwoorden
CoRe — Veelgestelde vragen
How many parameters does CoRe have?
CoRe has 12.4B parameters. "Since the default setting consists of two GPT-J (6B) and a DeBERTa-large (0.4B), we note our backbone as “GPT-J 12B”, which implies around 12.4 billion parameters in total. ". That figure is the total, and it is what decides how much memory the model needs — roughly half a gigabyte per billion at the compression most people use.
Who created CoRe?
CoRe was published by Tsinghua University, based in China, categorised as academia.
When was CoRe released?
CoRe was published in December 2023. 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 CoRe used for?
CoRe works in Mathematics, Language, and is recorded as handling quantitative reasoning, Language modeling/generation. Models frequently carry more than one of each, and the tags describe purpose rather than capability limits.
What GPU do I need to run CoRe?
None. CoRe 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 CoRe open source?
No. CoRe has not had its weights published, so it exists only as a service controlled by its owner.
De andere richting
Vanuit het andere perspectief bekijken?
Deze pagina begint bij het model. Als u al een kaart bezit en alles wilt weten wat het zal uitvoeren, Begin liever bij de hardware.