@正在进行中{周-塔尔-2021船体,title=“{HULK}:负责自然语言处理的能效基准平台”,author=“周、西友和陈志宇和Jin、Xiaoyong和Wang,William Yang“,editor=“Gkatzia、Dimitra和Seddah,Djam{\ee}“,booktitle=“计算语言学协会欧洲分会第十六届会议记录:系统演示”,月=四月,年=“2021”,address=“在线”,publisher=“计算语言学协会”,url=“https://aclantology.org/2021.eacl-demos.39",doi=“10.18653/v1/2021.eacl-demos.39”,pages=“329--336”,抽象=“计算密集型预处理模型一直领先于许多自然语言处理基准测试,如GLUE。然而,模型训练和推理过程中的能效成为一个关键瓶颈。我们介绍了HULK,一个用于负责任自然语言处理的多任务能效基准测试平台。通过HULK,我们从时间和成本的角度比较了预处理模型{'}的能效。提供基准基准测试结果以供进一步分析。不同预处理模型的微调效率在不同任务之间可能存在显著差异,参数数量越少并不一定意味着效率越高。我们分析了这种现象,并演示了比较预处理模型的多任务效率的方法。我们的平台位于\url{https://hulkbenchmark.github.io网址/}。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“zhou-etal-2021-hulk”><标题信息>HULK:负责自然语言处理的能效基准平台</titleInfo><name type=“personal”>西游<namePart type=“family”>周<角色>作者</角色></name><name type=“personal”>智宇<namePart type=“given”><namePart type=“family”>陈</namePart><角色>作者</角色></name><name type=“personal”>小勇<namePart type=“given”><namePart type=“family”>金</namePart><角色>作者</角色></name><name type=“personal”>威廉杨(Yang)王<namePart type=“family”><角色>作者</角色></name><originInfo><日期发布>2021-04</日期发布></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会欧洲分会第16届会议记录:系统演示</titleInfo><name type=“personal”>迪米特拉格卡齐亚<角色>编辑器</角色></name><name type=“personal”><namePart type=“given”>Djamé</namePart>Seddah(塞达)<角色>编辑器</角色></name><originInfo><publisher>计算语言学协会</publisher><地点>在线</place></originInfo>会议出版物</relatedItem>计算密集型预处理模型一直领先于许多自然语言处理基准测试,如GLUE。然而,模型训练和推理过程中的能量效率成为一个关键瓶颈。我们介绍了HULK,一个用于负责任的自然语言处理的多任务能效基准测试平台。通过HULK,我们从时间和成本的角度比较了预处理模型的能量效率。提供基准基准测试结果以供进一步分析。不同预处理模型的微调效率在不同任务之间可能存在显著差异,参数数量越少并不一定意味着效率越高。我们分析了这种现象,并演示了比较预处理模型的多任务效率的方法。我们的平台位于https://hulkbenchmark.github.io网址/ .</摘要>周埃塔-2021-hulk<identifier type=“doi”>10.18653/v1/2021。eacl演示。39</identifier><位置><网址>https://aclantology.org/2021.eacl-demos.39</url></位置><部分>2021-04年<扩展单元=“page”><开始>329<end>336</范围></部分></模块></modsCollection>
%0会议记录%THULK:负责自然语言处理的能效基准平台%阿周,西游%A Chen、Zhiyu%阿金、小勇%A Wang,William Yang(威廉·杨)%迪米特拉·尤卡齐亚%Y Seddah,Djamé%计算语言学协会欧洲分会第16届会议记录:系统演示%D 2021年%4月8日%计算语言学协会%C在线%F zhou-etal-2021船体%X计算密集型预处理模型一直领先于许多自然语言处理基准测试,如GLUE。然而,模型训练和推理过程中的能量效率成为一个关键瓶颈。我们介绍了HULK,一个用于负责任的自然语言处理的多任务能效基准测试平台。通过HULK,我们从时间和成本的角度比较了预处理模型的能量效率。提供基准基准测试结果以供进一步分析。不同预处理模型的微调效率在不同任务之间可能存在显著差异,参数数量越少并不一定意味着效率越高。我们分析了这种现象,并演示了比较预处理模型的多任务效率的方法。我们的平台位于https://hulkbenchmark.github.io网址/ .%R 10.18653/v1/2021.eacl-demos.39号文件%U型https://aclantology.org/2021.eacl-demos.39%U型https://doi.org/10.18653/v1/2021.eacl-demos.39%电话:329-336
降价(非正式)
[HULK:负责任的自然语言处理的能效基准平台](https://aclantology.org/2021.eacl-demos.39)(Zhou等人,EACL 2021)
国际计算语言学协会