BADGER

Zamknięte wagi NVIDIA,University of California (UC) Berkeley 2.9M parametry June 2024

Brak oszacowania

Brak wymagań sprzętowych dla tego modelu

Wagi dla tego modelu nie zostały opublikowane, więc nie można ich pobrać ani uruchomić na własnym sprzęcie w żadnym rozmiarze. Jest dostępny tylko za pośrednictwem swojego dostawcy, a zmiana karty graficznej tego nie zmienia..

Na nagranie

Pełna specyfikacja

Wszystko na rekord dla tego modelu. Większość z tego opisuje, jak był trenowany, a nie jak działa — użyteczny kontekst do oceny, ile pracy włożono w to, i jak wypada w porównaniu z modelami budowanymi w innym skali..

Pochodzenie

Kto zbudował ten model, gdzie i kiedy został opublikowany.

Organizacja
NVIDIA,University of California (UC) Berkeley
Typ organizacji
Industry,Academia
Kraj
United States of America
Opublikowany
24 June 2024
Autorzy
Yue Jian, Curtis Wu, Danny Reidenbach, Aditi S. Krishnapriyan

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Biology
Zadanie
Drug discovery

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry
2.9M

2.9M transformer model

Dane treningowe
100,100 tokens

100,000 (training) + 100 (testing) = 100,100 unique datapoints 20 epochs mentioned but only unique datapoints counted Final estimate: 1.0e5

Epoki
20

Przebieg szkolenia

Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.

Sprzęt do trenowania
NVIDIA RTX 6000 Ada Generation
Zastosowane chipy
1

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność
Likely
Cytaty
4

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
General Binding Affinity Guidance for Diffusion Models in Structure-Based Drug Design
Ostatnio zaktualizowane
25 May 2026

Co oznaczają liczby

Tło

BADGER został opublikowany przez NVIDIA,University of California (UC) Berkeley, w kraju zapisanym jako United States of America, podczas June 2024. Wychodzi z organizacji zaklasyfikowanej jako industry,Academia.

Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie drug discovery.

Jego wagi nigdy nie zostały opublikowane, więc można go osiągnąć tylko przez jego dostawcę. Żaden procesor graficzny tego nie zmieni.

Jak to zostało wytrenowane

Trening zużył korpus około 100,100 Tokeny tekstu.

Odpowiedzi

BADGER — częste pytania

01

BADGER— Jaką GPU potrzebuję, aby ją uruchomić?

Żaden. To jest zamknięty model — jego wagi nigdy nie zostały opublikowane, więc nie można go pobrać ani uruchomić na własnym sprzęcie za żadną cenę. Jest dostępny tylko przez jego dostawcę.

02

BADGER— czy jest open weight?

Licencja nigdy nie została zarejestrowana w naszych danych źródłowych. Traktujemy niewskazaną licencję jako zamkniętą, ponieważ niezarejestrowana licencja nie jest na którą można polegać.

03

BADGER— ile ma parametrów?

Ma liczbę parametrów równą 2.9M. 2.9M transformer model. Ta liczba to całkowita, i to ona decyduje o tym, ile pamięci potrzebuje model — mniej więcej pół gigabajta na miliard przy kompresji, którą używa większość ludzi.

04

BADGER— kto to stworzył?

Zostało opublikowane przez NVIDIA,University of California (UC) Berkeley, oparty na United States of America, organizacja sklasyfikowana jako industry,Academia.

05

BADGER— kiedy to zostało wydane?

Zostało opublikowane w June 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

06

BADGER— do czego to służy?

Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie drug discovery. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 25 May 2026

Druga strona

Patrząc na to z drugiej strony?

Ta strona zaczyna się od modelu. Jeśli już posiadasz kartę i chcesz wiedzieć, co wszystko będzie działać., Zacznij od sprzętu zamiast.