SEST
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
- Carnegie Mellon University (CMU)
- Typ organizacji
- Academia
- Kraj
- United States of America
- Opublikowany
- 2 March 2017
- Autorzy
- Rui Liu, Junjie Hu, Wei Wei, Zi Yang, Eric Nyberg
Co to robi
Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.
- Domena
- Language
- Zadanie
- Question answering
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
- tokens
SQuAD 1.1 contains 107,785 question-answer pairs on 536 articles. The paper isn't super clear on how they train the model, but it looks as though there is a backward pass for each answer (not per token).
Przebieg szkolenia
Co fizycznie było potrzebne do treningu: jakie chipy, ile, na jak długo i co to pobierało z sieci.
- Sprzęt do trenowania
- NVIDIA GeForce GTX 1080
- Zastosowane chipy
- 1
- Pobór mocy
- 207 W
Jak jest klasyfikowane
Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.
- Zapisz pewność
- Confident
- Cytaty
- 53
Źródła
Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.
- Referencja
- Structural Embedding of Syntactic Trees for Machine Comprehension
- Ostatnio zaktualizowane
- 28 November 2025
Co oznaczają liczby
O tym modelu
SEST został opublikowany przez Carnegie Mellon University (CMU), w kraju zapisanym jako United States of America, podczas March 2017. Organizacja publikująca jest klasyfikowana jako academia.
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.
Odpowiedzi
SEST — częste pytania
SEST— ile ma parametrów?
Nie opublikowano liczby parametrów, dlatego na tej stronie nie pojawia się żaden wskaźnik pamięci ani prędkości.
SEST— kto to stworzył?
Zostało opublikowane przez Carnegie Mellon University (CMU), oparty na United States of America, organizacja sklasyfikowana jako academia.
SEST— kiedy to zostało wydane?
Zostało opublikowane w March 2017. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.
SEST— do czego to służy?
Działa w dziedzinie Language, i jest zarejestrowany jako realizujący zadanie question answering. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.
SEST— 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.
SEST— 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.
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.