Flan-PaLM 540B
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
- Typ organizacji
- Industry
- Kraj
- United States of America
- Opublikowany
- 20 October 2022
- Autorzy
- Hyung Won Chung, Le Hou, Shayne Longpre, Barret Zoph, Yi Tay, William Fedus, Yunxuan Li, Xuezhi Wang, Mostafa Dehghani, Siddhartha Brahma, Albert Webson, Shixiang Shane Gu, Zhuyun Dai, Mirac Suzgun, Xinyun Chen, Aakanksha Chowdhery, Alex Castro-Ros, Marie Pellat, Kevin Robinson, Dasha Valter, Sharan Narang, Gaurav Mishra, Adams Yu, Vincent Zhao, Yanping Huang, Andrew Dai, Hongkun Yu, Slav Petrov, …
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling/generation, Question answering, Mathematical reasoning
- Model bazowy
- PaLM (540B)
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 540B
- Dane treningowe
- 1,400,000,000 tokens
540B
Obliczenia treningowe
Arytmetyka wykonywana w celu wytrenowania modelu, mierzona w operacjach zmiennoprzecinkowych. Jest to miara kosztów przeprowadzenia treningu, a nie tego, jak szybko gotowy model odpowiada na twoje pytania.
- Obliczenia treningowe
- 2.5 × 10²⁴ FLOP
- Jak to zostało ustalone
- Reported,Hardware
- Dostosowywanie obliczeń
- 5.6 × 10²¹ FLOP
0.2% greater than Palm 540B, which used 2.5e24
5.6e21 per Table 2 "we only use 0.2% of the pre-training compute to instruction-finetune Flan-PaLM 540B (approximately 512 v4 TPU chips for 37 hours)" 512 * 37 * 3600 * 275 teraflops * 0.3 = 5.6e21 (so 30% utilization was correct)
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- Google TPU v4
- Zastosowane chipy
- 512
- Czas-chip
- 18,944
- Czas rzeczywisty
- 37 hours
- Wykorzystanie sprzętu
- MFU 18.9%
- Pobór mocy
- 348.3 kW
"we only use 0.2% of the pre-training compute to instruction-finetune Flan-PaLM 540B (approximately 512 v4 TPU chips for 37 hours)"
Estimated training compute: 2.5e24 FLOPs at 100% utilization, based on GPU-hours: 37 * 512 * 3600 * 3.12e14 = 2.128e22 Therefore, we can calculate utilization from known compute and maximum possible compute: MFU = 3.76e24 / 1.987e25 = 0.1892
Dostępność
Czy możesz zdobyć model i uruchomić go na swoim sprzęcie, co decyduje o tym, czy którakolwiek z cyfr karty graficznej na tej stronie ma zastosowanie.
- Wagi
- Closed — provider access only
- Dostęp do modelu
- Unreleased
- Kod treningowy
- Unreleased
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Model Frontier
- Yes
- Prawdopodobnie powyżej 10²³ FLOP
- Yes
- Dlaczego to jest śledzone
- Highly cited,SOTA improvement
- Zapisz pewność
- Confident
- Cytaty
- 4,129
>1k cites "Flan-PaLM 540B achieves state-of-the-art performance on several benchmarks, such as 75.2% on five-shot MMLU."
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Scaling Instruction-Finetuned Language Models
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
Flan-PaLM 540B został opublikowany przez Google, w kraju zapisanym jako United States of America, podczas October 2022. Wychodzi z organizacji zaklasyfikowanej jako industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling/generation, Question answering, Mathematical reasoning.
Jego punktem wyjścia był istniejący model podstawowy, PaLM (540B). To jest zwykły sposób produkcji wyspecjalizowanego modelu.
Ponieważ wagi nie są dostępne, żadne z danych dotyczących sprzętu gdzie indziej na tej stronie się do niego nie odnoszą.
Co poszło w budowę tego
Trening zajmował około 2.5 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako Google TPU v4. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Trening zużył korpus około 1,400,000,000 Tokeny tekstu.
Jest śledzone w podstawowym zbiorze danych z jednego szczególnego powodu: highly cited,SOTA improvement.
Odpowiedzi
Flan-PaLM 540B — częste pytania
Flan-PaLM 540B— kiedy to zostało wydane?
Zostało opublikowane w October 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
Flan-PaLM 540B— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling/generation, Question answering, Mathematical reasoning. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Flan-PaLM 540B— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 2.5 × 10²⁴ FLOP, na sprzęcie zarejestrowanym jako Google TPU v4. To mierzy, ile kosztowało wyprodukowanie modelu i nie mówi nic o tym, jak szybko odpowiada po wytrenowaniu — prędkość wnioskowania pochodzi z SZEROKOŚCI PASMA, a nie z budżetu treningowego.
Flan-PaLM 540B— 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.
Flan-PaLM 540B— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Flan-PaLM 540B— ile ma parametrów?
Ma liczbę parametrów równą 540B. 540B. 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.
Flan-PaLM 540B— kto to stworzył?
Zostało opublikowane przez Google, oparty na United States of America, organizacja sklasyfikowana jako industry.
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.