Reading Twice for NLU
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
- Organisatietype
- Industry
- Land
- United Kingdom of Great Britain and Northern Ireland
- Gepubliceerd
- 8 June 2017
- Auteurs
- Dirk Weissenborn, Tomáš Kočiský, Chris Dyer
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Language
- Taak
- Question answering
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
- 200,000 tokens
both datasets have around 100k training examples. SQuAD have around 4M words. TriviaQA is larger "We use 2 recent DQAbenchmark training and evaluation datasets, SQuAD (Rajpurkar et al., 2016) and TriviaQA (Joshi et al., 2017). "
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
- Unknown
- Citaties
- 62
"Our results are competitive with the best systems, achieving a new state of the art on the recent TriviaQA benchmarks."
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Dynamic Integration of Background Knowledge in Neural NLU Systems
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Wat dit model is
Reading Twice for NLU werd gepubliceerd door DeepMind, in het land geregistreerd als United Kingdom of Great Britain and Northern Ireland, tijdens June 2017. 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 question answering.
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.
Training en herkomst
Training verbruikte een corpus van ongeveer 200,000 tekstokens
De inclusiecriteria: sOTA improvement.
Antwoorden
Reading Twice for NLU — veelgestelde vragen
Reading Twice for NLU— hoeveel parameters heeft het?
Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.
Reading Twice for NLU— wie heeft het gemaakt?
Het werd gepubliceerd door DeepMind, gebaseerd op United Kingdom of Great Britain and Northern Ireland, een organisatie geclassificeerd als industry.
Reading Twice for NLU— wanneer is het uitgebracht?
Het werd gepubliceerd in June 2017. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
Reading Twice for NLU— waarvoor wordt het gebruikt?
Het werkt in het domein van Language, en wordt geregistreerd als het afhandelen van question answering. 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.
Reading Twice for NLU— 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.
Reading Twice for NLU— is het open-source?
De licenties werden nooit vastgelegd in onze brondocumenten. We beschouwen niet-verklaarde licenties als gesloten, omdat een niet-vastgelegde licentie er geen is om op te vertrouwen.
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.