LLaMA-65B (LoRA finetuned)
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
- NAVER
- Organisatietype
- Industry
- Land
- Korea (Republic of)
- Gepubliceerd
- 23 May 2023
- Auteurs
- Jeonghoon Kim, Jung Hyun Lee, Sungdong Kim, Joonsuk Park, Kang Min Yoo, Se Jung Kwon, Dongsoo Lee
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-65B
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
- 65.2B
- Training gegevens
- tokens
- Epochs
- 5
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
- Unreleased
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
- Benchmarkgegevens
- LLaMA-65B (LoRA finetuned)
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Memory-Efficient Fine-Tuning of Compressed Large Language Models via sub-4-bit Integer Quantization
- Laatst bijgewerkt
- 11 February 2026
Wat de cijfers betekenen
Achtergrond
LLaMA-65B (LoRA finetuned) werd gepubliceerd door NAVER, in het land geregistreerd als Korea (Republic of), tijdens May 2023. Het komt uit een organisatie gecategoriseerd als industry.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling/generation, Question answering.
Het startpunt was een bestaand basismodel, LLaMA-65B. Dat is waarom het de algemene vorm en grootte van het basismodell deelt.
Dit is een gesloten model: de getrainde waarden zijn bij degene gebleven die ze geproduceerd hebben, en er is geen lokale versie om te draaien.
Antwoorden
LLaMA-65B (LoRA finetuned) — veelgestelde vragen
LLaMA-65B (LoRA finetuned)— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
LLaMA-65B (LoRA finetuned)— hoeveel parameters heeft het?
Het heeft een parameter telling van 65.2B. 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.
LLaMA-65B (LoRA finetuned)— wie heeft het gemaakt?
Het werd gepubliceerd door NAVER, gebaseerd op Korea (Republic of), een organisatie geclassificeerd als industry.
LLaMA-65B (LoRA finetuned)— wanneer is het uitgebracht?
Het werd gepubliceerd in May 2023. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
LLaMA-65B (LoRA finetuned)— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling/generation, Question answering. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
LLaMA-65B (LoRA finetuned)— 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.
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.