Relational Memory Core
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
- DeepMind,University College London (UCL)
- Organisatietype
- Industry,Academia
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 5 June 2018
- Auteurs
- Adam Santoro, Ryan Faulkner, David Raposo, Jack Rae, Mike Chrzanowski, Theophane Weber, Daan Wierstra, Oriol Vinyals, Razvan Pascanu, Timothy Lillicrap
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Language modeling
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.
- Training gegevens
- 4,000,000,000 tokens
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
looks like code for the architecture, but not experiment code: https://github.com/google-deepmind/sonnet/blob/v1/sonnet/python/modules/relational_memory.py
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.
- Waarom het wordt gevolgd
- SOTA improvement
- Record vertrouwen
- Confident
- Citaties
- 235
- Benchmarkgegevens
- Relational Memory Core
"Finally, we test the RMC on a suite of tasks that may profit from more capable relational reasoning across sequential information, and show large gains in RL domains (e.g. Mini PacMan), program evaluation, and language modeling, achieving state-of-the-art results on the WikiText-103, Project Gutenberg, and GigaWord datasets."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Relational recurrent neural networks
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Waar het vandaan kwam
Relational Memory Core werd gepubliceerd door DeepMind,University College London (UCL), in het land geregistreerd als United Kingdom of Great Britain and Northern Ireland, tijdens June 2018. De categorie waaronder de uitgever valt is industry,Academia.
Het werkt in het domein van Language, en wordt geregistreerd als het uitvoeren van de taak van language modeling.
De gewichten werden nooit gepubliceerd, dus het kan alleen worden bereikt via de provider. Geen enkele GPU verandert dat.
Hoe het getraind werd
De trainingsset liep naar ongeveer 4,000,000,000 tekstokens
De inclusiecriteria: sOTA improvement.
Antwoorden
Relational Memory Core — veelgestelde vragen
Relational Memory Core— 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.
Relational Memory Core— is het open-source?
Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.
Relational Memory Core— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Relational Memory Core— wie heeft het gemaakt?
Het werd gepubliceerd door DeepMind,University College London (UCL), gebaseerd op United Kingdom of Great Britain and Northern Ireland, een organisatie geclassificeerd als industry,Academia.
Relational Memory Core— wanneer is het uitgebracht?
Het werd gepubliceerd in June 2018. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Relational Memory Core— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van language modeling. Dit zijn de gebieden waar het omheen is ontworpen; ze beschrijven intentie eerder dan een harde grens.
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.