Mogrifier (d2, MoS2, MC) + dynamic eval
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
- DeepMind,University of Oxford
- Typ organizacji
- Industry,Academia
- Kraj
- United Kingdom of Great Britain and Northern Ireland
- Opublikowany
- 4 September 2019
- Autorzy
- Gábor Melis, Tomáš Kočiský, Phil Blunsom
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Language modeling
Rozmiar
Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.
- parametry
- 35M
- Dane treningowe
- 2,000,000 tokens
- Epoki
- 145
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
Github has dead link: https://github.com/google-deepmind/lamb/blob/master/experiment/mogrifier/README.md
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Dlaczego to jest śledzone
- SOTA improvement
- Zapisz pewność
- Confident
- Cytaty
- 109
- Dane benchmarkowe
- Mogrifier (d2, MoS2, MC) + dynamic eval
"We establish a new state of the art on all datasets with the exception of Enwik8"
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Mogrifier LSTM
- Ostatnio zaktualizowane
- 11 February 2026
Co oznaczają liczby
Skąd to pochodzi
Mogrifier (d2, MoS2, MC) + dynamic eval został opublikowany przez DeepMind,University of Oxford, w kraju zapisanym jako United Kingdom of Great Britain and Northern Ireland, podczas September 2019. Kategoria, do której należy wydawca, to industry,Academia.
Działa w dziedzinie Language, i jest zapisany jako wykonujący zadanie language modeling.
To jest model zamknięty: wytrenowane wartości pozostały u tego, kto je wyprodukował, a lokalna wersja do uruchomienia nie istnieje.
Jak to zostało wytrenowane
Został wytrenowany na korpusie około 2,000,000 Tokeny tekstu.
Kryterium włączenia: sOTA improvement.
Odpowiedzi
Mogrifier (d2, MoS2, MC) + dynamic eval — częste pytania
Mogrifier (d2, MoS2, MC) + dynamic eval— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie language modeling. Model może obsługiwać kilka z każdego, więc to są obszary, dla których został zbudowany, a nie ograniczenie tego, co będzie próbował.
Mogrifier (d2, MoS2, MC) + dynamic eval— 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.
Mogrifier (d2, MoS2, MC) + dynamic eval— czy jest open weight?
Nie. Jego wagi nie zostały opublikowane, więc istnieje tylko jako usługa kontrolowana przez jego właściciela.
Mogrifier (d2, MoS2, MC) + dynamic eval— ile ma parametrów?
Ma liczbę parametrów równą 35M. 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.
Mogrifier (d2, MoS2, MC) + dynamic eval— kto to stworzył?
Zostało opublikowane przez DeepMind,University of Oxford, oparty na United Kingdom of Great Britain and Northern Ireland, organizacja sklasyfikowana jako industry,Academia.
Mogrifier (d2, MoS2, MC) + dynamic eval— kiedy to zostało wydane?
Zostało opublikowane w September 2019. 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.