RankBoost (EachMovie)

Gesloten gewichten Columbia University,Princeton University,Hebrew University of Jerusalem November 2003

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..

Blader door modellen die je kunt uitvoeren in plaats van

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: Columbia University,Princeton University,Hebrew University of Jerusalem
Organisatietype: Academia,Academia,Academia
Land: United States of America, Israel
Gepubliceerd: 15 November 2003
Auteurs: Yoav Freund, Raj Iyer, Robert E. Schapire, Yoram Singer

Wat het doet

De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.

Domein: Recommendation
Taak: Recommender system, Collaborative filtering, Movie ratings

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: 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

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: Unknown

Bronnen

Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.

Referentie: An Efficient Boosting Algorithm for Combining Preferences
Laatst bijgewerkt: 11 February 2026

Wat de cijfers betekenen

Wat dit model is

RankBoost (EachMovie) werd gepubliceerd door Columbia University,Princeton University,Hebrew University of Jerusalem, in het land geregistreerd als United States of America, tijdens November 2003. De categorie waaronder de uitgever valt is academia,Academia,Academia.

Het werkt in het domein van Recommendation, en wordt geregistreerd als het uitvoeren van de taak van recommender system, Collaborative filtering, Movie ratings.

Omdat de weights niet beschikbaar zijn, zijn geen van de hardwarefiguren elders op deze site van toepassing op het.

Antwoorden

RankBoost (EachMovie) — veelgestelde vragen

RankBoost (EachMovie)— is het open-source?

Nee. De gewichten zijn niet gepubliceerd, dus het bestaat alleen als een dienst die wordt beheerd door de eigenaar.

RankBoost (EachMovie)— hoeveel parameters heeft het?

Er is geen parameter telling gepubliceerd, daarom verschijnt er geen geheugen of snelheidsfiguur op deze pagina.

RankBoost (EachMovie)— wie heeft het gemaakt?

Het werd gepubliceerd door Columbia University,Princeton University,Hebrew University of Jerusalem, gebaseerd op United States of America, een organisatie geclassificeerd als academia,Academia,Academia.

RankBoost (EachMovie)— wanneer is het uitgebracht?

Het werd gepubliceerd in November 2003. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.

RankBoost (EachMovie)— waarvoor wordt het gebruikt?

Het werkt in het domein van Recommendation, en wordt geregistreerd als het afhandelen van recommender system, Collaborative filtering, Movie ratings. 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.

RankBoost (EachMovie)— 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.

Bron

Originele publicatie

Laatste update geregistreerd 11 February 2026

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.

Alle AI-modellen