ASE+ACE
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
- University of Massachusetts Amherst
- Organisatietype
- Academia
- Land
- United States of America
- Gepubliceerd
- 1 September 1983
- Auteurs
- Andrew G. Barto, Richard S. Sutton, and Charles W. Anderson
Wat het doet
De probleemgebieden waarvoor het model is gebouwd. Een model kan meerdere van elk bevatten.
- Domein
- Robotics
- Taak
- Pole balancing
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
- 0.3K
- Training gegevens
- 500,000 tokens
The system consists of two parts: ACE and ASE, each with 162 weights (=324 parameters). Found in Figures 2 and 3.
"Runs consisted of 100 trials unless the run's duration exceeded 500 000 time steps (approximately 2.8 h of simulated real time)" "Almost all runs of the ASE/ACE system [...], were terminated after 500 000" (Section IX)
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.
- Training rekenen
- 3.2 × 10⁸ FLOP
- Hoe het werd opgericht
- Operation counting
324 * 2 * 500000 = 324000000 = 3.24e8. The calculation assumes "compute per forward pass" = "number of parameters" = "compute per backward pass". Their model only has a single layer and is trained with simple update rules instead of gradient descent. Training details are described in Section IX. Note that this is the compute for a single run; they appear to have repeated training 10 times for the ASE+ACE system.
De trainingsrun
Wat het fysiek kostte om te trainen: welke chips, hoeveel, hoe lang, en wat dat van het stopcontact vroeg.
- Kloktijd
- 3 hours
"Runs consisted of 100 trials unless the run's duration exceeded 500 000 time steps (approximately 2.8 h of simulated real time)" "Almost all runs of the ASE/ACE system [...], were terminated after 500 000" (Section IX)
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.
- Grensmodel
- Yes
- Waarom het wordt gevolgd
- Highly cited,Historical significance
- Record vertrouwen
- Likely
- Citaties
- 4,296
Bronnen
Waar deze record vandaan kwam en wanneer deze voor het laatst is gecontroleerd.
- Referentie
- Neuronlike adaptive elements that can solve difficult learning control problems
- Laatst bijgewerkt
- 28 November 2025
Wat de cijfers betekenen
Over dit model
ASE+ACE werd gepubliceerd door University of Massachusetts Amherst, in het land geregistreerd als United States of America, tijdens September 1983. De categorie waaronder de uitgever valt is academia.
Het werkt in het domein van Robotics, en wordt geregistreerd als het uitvoeren van de taak van pole balancing.
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.
Wat erin ging zitten om het te bouwen
Training kostte een rekensbudget van ongeveer 3.2 × 10⁸ FLOP. Die figuur meet wat het produceren van het model heeft gekost en heeft geen invloed op hoe snel het antwoord geeft.
Het is getraind op een corpus van ongeveer 500,000 tekstokens
De reden dat het überhaupt in deze catalogus verschijnt: highly cited,Historical significance.
Antwoorden
ASE+ACE — veelgestelde vragen
ASE+ACE— hoeveel rekencapaciteit is gebruikt om het te trainen?
Training verbruikte ongeveer 3.2 × 10⁸ FLOP. Dat meet wat het kosten om het model te produceren en zegt niets over hoe snel het antwoord geeft zodra het getraind is — inferentie snelheid komt van geheugenbandbreedte, niet van het trainingsbudget.
ASE+ACE— 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.
ASE+ACE— 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.
ASE+ACE— hoeveel parameters heeft het?
Het heeft een parameter telling van 0.3K. The system consists of two parts: ACE and ASE, each with 162 weights (=324 parameters). Found in Figures 2 and 3. 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.
ASE+ACE— wie heeft het gemaakt?
Het werd gepubliceerd door University of Massachusetts Amherst, gebaseerd op United States of America, een organisatie geclassificeerd als academia.
ASE+ACE— wanneer is het uitgebracht?
Het werd gepubliceerd in September 1983. De capaciteit per parameter is aanzienlijk verbeterd sinds, zodat een nieuwere model van dezelfde grootte vaak een betere benutting van dezelfde hardware is.
ASE+ACE— waarvoor wordt het gebruikt?
Het werkt in het domein van Robotics, en wordt geregistreerd als het afhandelen van pole balancing. 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.
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.