Delphi
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
- Allen Institute for AI,University of Washington
- Organisatietype
- Research collective,Academia
- Land
- United States of America
- Gepubliceerd
- 12 July 2022
- Auteurs
- Liwei Jiang, Jena D. Hwang, Chandra Bhagavatula, Ronan Le Bras, Jenny Liang, Jesse Dodge, Keisuke Sakaguchi, Maxwell Forbes, Jon Borchardt, Saadia Gabriel, Yulia Tsvetkov, Oren Etzioni, Maarten Sap, Regina Rini, Yejin Choi
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Chat
- Basis model
- Unicorn
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
- 11B
- Training gegevens
- 26,214,400,000 tokens
- Epochs
- 4
- Batchgrootte
- 16
Training on the proposed COMMONSENSE NORM BANK is carried out for 400k gradient updates
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
- Operation counting
- Fijn-tuning compute
- 1.7 × 10¹⁸ FLOP
=6*11B*400k gradient updates*16 (batch size)*4 epochs=1.6896 × 10^18
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Training hardware
- Google TPU v3
- Kloktijd
- 72 hours
We train Delphi using TPU v3-32 and evaluate it using TPU v3-8, with model parallelisms of 32 and 8 respectively, on Google Cloud Virtual Machines. Training Delphi on COMMONSENSE NORM BANK for 4 epochs takes approximately 72 hours.
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
- Hosted access (no API)
- Training code
- Unreleased
https://delphi.allenai.org/
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
- Speculative
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Can Machines Learn Morality? The Delphi Experiment
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
Delphi werd gepubliceerd door Allen Institute for AI,University of Washington, in het land geregistreerd als United States of America, tijdens July 2022. Het komt uit een organisatie gecategoriseerd als research collective,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van chat.
In plaats van vanaf nul te worden getraind, is het afgeleid van Unicorn. 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.
Hoe het getraind werd
Het is getraind op een corpus van ongeveer 26,214,400,000 tekstokens
Antwoorden
Delphi — veelgestelde vragen
Delphi— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van chat. Een model kan er verschillende van elk dragen, dus dit zijn de gebieden waarvoor het is gebouwd in plaats van een limiet op wat het zal proberen.
Delphi— 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.
Delphi— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Delphi— hoeveel parameters heeft het?
Het heeft een parameter telling van 11B. 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.
Delphi— wie heeft het gemaakt?
Het werd gepubliceerd door Allen Institute for AI,University of Washington, gebaseerd op United States of America, een organisatie geclassificeerd als research collective,Academia.
Delphi— wanneer is het uitgebracht?
Het werd gepubliceerd in July 2022. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
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.