SimCSE
Brak oszacowania
Brak wymagań sprzętowych dla tego modelu
Wagi tego modelu są OPEN, ale nie opublikowano liczby parametrów. Każda figura dotycząca MEMORY i prędkości zaczyna się od tej liczby, więc wolelibyśmy nic nie pokazywać niż wymyśloną estymację..
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
- Princeton University,Tsinghua University
- Typ organizacji
- Academia,Academia
- Kraj
- United States of America, China
- Opublikowany
- 18 May 2022
- Autorzy
- Tianyu Gao, Xingcheng Yao, Danqi Chen
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Semantic embedding
- Model bazowy
- RoBERTa Large
- Format numeryczny
- FP16
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- Dane treningowe
- 27,363,505 tokens
- Epoki
- 3
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
- Open — downloadable
- Dostęp do modelu
- Open weights (unrestricted)
- Kod treningowy
- Open source
- Hugging Face
- princeton-nlp
Unclear lisense: https://huggingface.co/princeton-nlp/sup-simcse-roberta-large MIT license: https://github.com/princeton-nlp/SimCSE?tab=readme-ov-file
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- Highly cited,SOTA improvement
- Zapisz pewność
- Likely
- Cytaty
- 4,419
"We evaluate SimCSE on standard semantic textual similarity (STS) tasks, and our unsupervised and supervised models using BERT base achieve an average of 76.3% and 81.6% Spearman's correlation respectively, a 4.2% and 2.2% improvement compared to the previous best results." Table 5
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- SimCSE: Simple Contrastive Learning of Sentence Embeddings
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Co to jest model?
SimCSE został opublikowany przez Princeton University,Tsinghua University, w kraju zapisanym jako United States of America, podczas May 2022. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie semantic embedding.
Jego punktem wyjścia był istniejący model podstawowy, RoBERTa Large. Dlatego dzieli ogólny kształt i rozmiar modelu bazowego.
Opublikowane wagi oznaczają, że model działa na twojej maszynie, a nie na czyjejś, co sprawia, że poniższe pytanie dotyczące sprzętu jest w ogóle możliwe do odpowiedzi. Na Hugging Face jest opublikowane pod organizacją princeton-nlp.
Szkolenie i pochodzenie
Zbiór treningowy trwał około 27,363,505 Tokeny tekstu.
Kryterium włączenia: highly cited,SOTA improvement.
Odpowiedzi
SimCSE — częste pytania
SimCSE— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie semantic embedding. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
SimCSE— Gdzie mogę to pobrać?
Jego wagi są publikowane na Hugging Face, pod organizacją princeton-nlp. Nie hostujemy plików modelu — ta strona oblicza, jaki sprzęt jest potrzebny do ich uruchomienia.
SimCSE— Jaką GPU potrzebuję, aby ją uruchomić?
Nie możemy powiedzieć. Ma otwarte wagi, ale nie opublikowano liczby parametrów, a wszelkie obliczenia pamięci i prędkości zaczynają się od tej liczby. Wolimy nie pokazywać niczego niż fałszywą szacunkową wartość.
SimCSE— czy jest open weight?
Jego wagi są opublikowane, więc można je pobrać i uruchomić na własnym sprzęcie. Zauważ, że OPEN WEIGHTS nie są tym samym co OPEN SOURCE w pełnym sensie — nie mówi nic o danych treningowych, kodzie treningowym, ani warunkach komercyjnych.
SimCSE— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
SimCSE— kto to stworzył?
Zostało opublikowane przez Princeton University,Tsinghua University, oparty na United States of America, organizacja sklasyfikowana jako academia,Academia.
SimCSE— kiedy to zostało wydane?
Zostało opublikowane w May 2022. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
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.