TOME
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
- University of Southern California,Google
- Typ organizacji
- Academia,Industry
- Kraj
- United States of America
- Opublikowany
- 12 October 2021
- Autorzy
- Michiel de Jong, Yury Zemlyanskiy, Nicholas FitzGerald, Fei Sha, William Cohen
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Question answering
- Format numeryczny
- FP32
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 220M
- Dane treningowe
- tokens
- Epoki
- 157.29
- Rozmiar wsadu
- 524,288
220M from Table 1 entry for TOME
Per Wikipedia, the site had 3.755B words as of the most recent checkpoint prior to the paper's publication: https://en.wikipedia.org/wiki/Wikipedia:Size_of_Wikipedia#Yearly_statistics 3.755B * 4/3 = 5B tokens
"All models are pre-trained on [...] batch size of 4096. Each passage in the batch has length T = 128, excluding entity tokens."
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
- 1 × 10²¹ FLOP
- Jak to zostało ustalone
- Operation counting
We have information about hardware "All models are pre-trained on 128 TPUs using AdamW optimizer (Loshchilov& Hutter, 2019) with learning rate 1e-4 and batch size of 4096.", but no information about training time and exact model of TPUs. There is information about training 1.5M steps with batch size 4096 * 128 citation from appendix A: "The Mention Encoder and BATCH-TOME are pre-trained for 1 million steps with 50k warmup steps, and TOME is trained for 500k additional steps with 25k warmup step…
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
- Open source
Apache 2.0 (repo license) https://github.com/google-research/language/tree/master/language/mentionmemory
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Likely
- Cytaty
- 55
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Mention Memory: incorporating textual knowledge into Transformers through entity mention attention
- Ostatnio zaktualizowane
- 25 May 2026
Co oznaczają liczby
Tło
TOME został opublikowany przez University of Southern California,Google, w kraju zapisanym jako United States of America, podczas October 2021. Organizacja publikująca jest klasyfikowana jako academia,Industry.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie question answering.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Wytworzenie tego wymagało arytmetyki sumującej około 1 × 10²¹ FLOP. Ta liczba mierzy, ile kosztowało wyprodukowanie modelu i nie ma wpływu na to, jak szybko odpowiada.
Odpowiedzi
TOME — częste pytania
TOME— ile mocy obliczeniowej użyto do jego trenowania?
Szkolenie zajęło około 1 × 10²¹ FLOP. 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.
TOME— 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.
TOME— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
TOME— ile ma parametrów?
Ma liczbę parametrów równą 220M. 220M from Table 1 entry for TOME. 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.
TOME— kto to stworzył?
Zostało opublikowane przez University of Southern California,Google, oparty na United States of America, organizacja sklasyfikowana jako academia,Industry.
TOME— kiedy to zostało wydane?
Zostało opublikowane w October 2021. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
TOME— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie question answering. To są obszary, wokół których został zaprojektowany; opisują zamiar, a nie twardą granicę.
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.