最后更新 02-10-2024
Reviews:
Join thousands of AI enthusiasts in the World of AI!
OPT
Open Pre-trained Transformer (OPT) 模型是参数范围从 1.25 亿到 1750 亿个的大型语言模型的集合。这些模型经过训练可以执行零样本和少样本学习，这在各种语言任务中都表现出了显着的能力。 OPT 模型被设计为比其他大规模语言模型（例如 GPT-3）更易于访问的替代品，GPT-3 由于计算成本而通常需要大量资源来复制。
OPT 还因其开发过程中的环境足迹较小而脱颖而出，与 GPT-3 相比，其碳足迹仅为七分之一。 OPT 背后的研究人员小心翼翼地全面、负责任地分享他们的模型，不仅提供模型权重，还提供他们的开发挑战日志和实验所需的代码。
高性能模型： OPT 模型在零样本和少样本学习任务中表现出强大的性能。
尺寸范围： OPT 套件提供各种模型尺寸，从 125M 到 175B 参数。
可访问且透明： 完整的模型权重和开发细节与研究社区共享。
环保开发： 与 GPT-3 等模型相比，OPT 所需的碳足迹显着减少。
支持资源： 该版本包括供研究人员使用的详细日志和代码。
什么是开放式预训练 Transformer (OPT)？
开放式预训练 Transformers (OPT) 是一系列仅用于解码器的预训练语言模型，专为各种语言任务而设计，旨在与研究人员完全、负责任地共享。
OPT模型的参数范围是多少？
OPT模型的参数范围从1.25亿到1750亿个，满足不同的研究需求和计算能力。
OPT-175B 型号有何特别之处？
OPT-175B 与 GPT-3 相当，是可用的模型尺寸之一，因其在零样本和少样本学习方面的卓越能力而特别引人注目。
OPT论文的作者是谁？
研究人员 Susan 张、Stephen Roller、Naman Goyal、Mikel Artetxe 和其他几位研究人员为 OPT 模型的开发做出了贡献。
在环境影响方面，OPT 模型与 GPT-3 相比如何？
开发 OPT 模型的目标之一是创建对环境影响较小的大型语言模型，而 OPT-175B 模型的碳足迹仅为 GPT-3 的 1/7。