ConfRank

Zamknięte wagi University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing 150K parametry November 2024

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 Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing
Typ organizacji
Academia,Academia
Kraj
Germany
Opublikowany
24 November 2024
Autorzy
Christian Hölzer, Rick Oerderm, Stefan Grimme, Jan Hamaekers,

Co to robi

Obszary problemowe, dla których stworzono model. Model może mieć kilka z każdego.

Domena
Biology
Zadanie
Drug discovery

Rozmiar

Jak duży jest model i na ile danych był trenowany. Parametry to liczba, która decyduje, czy mieści się na danej karcie graficznej.

parametry
150K
Dane treningowe
1,396,310 tokens

7,349 molecular ensembles × 20 conformers = 146,980 conformers Pairs per ensemble = (20 × 19) ÷ 2 = 190 pairs Total pairs = 7,349 ensembles × 190 pairs = 1,396,310 datapoints

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 RTX 3070
Zastosowane chipy
1
Pobór mocy
238 W

Jak jest klasyfikowane

Etykiety, które źródłowy zbiór danych stosuje podczas śledzenia znaczących modeli oraz jak pewny jest tego wpisu.

Zapisz pewność
Confident

Źródła

Skąd pochodzi ten rekord i kiedy był ostatnio sprawdzany.

Referencja
ConfRank: Improving GFN-FF Conformer Ranking with Pairwise Training
Ostatnio zaktualizowane
28 November 2025

Co oznaczają liczby

O tym modelu

ConfRank został opublikowany przez University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing, w kraju zapisanym jako Germany, podczas November 2024. Wychodzi z organizacji zaklasyfikowanej jako academia,Academia.

Działa w dziedzinie Biology, i jest zapisany jako wykonujący zadanie drug discovery.

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 1,396,310 Tokeny tekstu.

Odpowiedzi

ConfRank — częste pytania

01

ConfRank— kto to stworzył?

Zostało opublikowane przez University of Bonn,Institute for Numerical Simulation,Fraunhofer Institute for Algorithms and Scientific Computing, oparty na Germany, organizacja sklasyfikowana jako academia,Academia.

02

ConfRank— kiedy to zostało wydane?

Zostało opublikowane w November 2024. Możliwość na parametr znacznie się poprawiła, więc nowszy model tej samej wielkości często lepiej wykorzystuje ten sam sprzęt.

03

ConfRank— do czego to służy?

Działa w dziedzinie Biology, i jest zarejestrowany jako realizujący zadanie drug discovery. Modele często mają więcej niż jeden z każdego, a etykiety opisują cel, a nie ograniczenia możliwości.

04

ConfRank— 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.

05

ConfRank— 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.

06

ConfRank— ile ma parametrów?

Ma liczbę parametrów równą 150K. 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.

Źródło

Oryginalna publikacja

Ostatnia aktualizacja rekordu 28 November 2025

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.