LMRec
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
- NAVER,Naver AI Lab
- Organisatie type
- Industry,Industry
- Land
- Korea (Republic of)
- Gepubliceerd
- 13 May 2023
- Auteurs
- Kyuyong Shin, Hanock Kwak, Wonjae Kim, Jisu Jeong, Seungjae Jung, Kyung-Min Kim, Jung-Woo Ha, Sang-Woo Lee
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan er verschillende van elk bevatten.
- Domein
- Language, Recommendation
- Taak
- Language modeling/generation
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
- 210M
- Opleidingsgegevens
- 12,998,864,057 tokens
- Batch size
- 1,024
210 million (Figure 4)
Table 3 1222700000 (in-house dataset) + 347300000 (piblic) = 1,570,000,000 tokens
table 9
Training berekeningen
De rekeningen die worden uitgevoerd om het model te trainen, gemeten in drijvende-komma-berekeningen. Het is een maat voor wat de trainingsrun kostte, niet hoe snel het voltooide model je antwoordt.
- Training berekeningen
- 2 × 10¹⁸ FLOP
- Hoe het werd opgericht
- Operation counting
210000000*1570000000*6=1.9782e+18
Hoe het is geclassificeerd
Labels de bron dataset toepast bij het volgen van opmerkelijke modellen, en hoe zeker het is van de invoer.
- Vereiste vertrouwen
- Likely
Bronnen
Waar deze record vandaan komt en wanneer het voor het laatst is gecontroleerd.
- Referentie
- Pivotal Role of Language Modeling in Recommender Systems: Enriching Task-specific and Task-agnostic Representation Learning
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Achtergrond
LMRec was published by NAVER,Naver AI Lab, in Korea (Republic of), in May 2023. It comes out of industry,Industry.
It works in Language, Recommendation, and is recorded as doing language modeling/generation.
De gewichten zijn nooit gepubliceerd, dus het kan alleen worden bereikt via de aanbieder. Geen enkele grafische kaart verandert dat.
Wat erin is gestopt om het te bouwen
Producing it required around 2 × 10¹⁸ FLOP of arithmetic, which is a statement about the training budget rather than about inference.
The training set ran to roughly 12,998,864,057 tokens.
Antwoorden
LMRec — Veelgestelde vragen
Is LMRec open source?
The licensing for LMRec was never recorded in our source data. We treat unstated licensing as closed, because an unrecorded licence is not one to rely on.
How many parameters does LMRec have?
LMRec has 210M parameters. 210 million (Figure 4). 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 LMRec?
LMRec was published by NAVER,Naver AI Lab, based in Korea (Republic of), categorised as industry,Industry.
When was LMRec released?
LMRec was published in May 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 LMRec used for?
LMRec works in Language, Recommendation, and is recorded as handling language modeling/generation. A model can carry several of each, so these are the areas it was built for rather than a limit on what it will attempt.
How much compute was used to train LMRec?
Around 2 × 10¹⁸ FLOP. That measures what producing the model cost and says nothing about how quickly it answers once trained — inference speed comes from memory bandwidth, not from the training budget.
What GPU do I need to run LMRec?
None. LMRec 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.
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.