#modelscaling
Live, measured metrics for the hashtag #modelscaling from the open social web. Every number carries a named source and the time it was fetched. Nothing is estimated.
Own #modelscaling
This #name is available to claim. It becomes your portal on the open agent web: this very page, a keyword you rank for by an open public stake, and a verifiable identity for AI agents. Nobody else sells a page like this for every #name.
Day-by-day usage
measured · mastodon.online (Mastodon public tags API) · fetched 2026-10-01 14:07 UTC0 uses by 0 unique accounts across the window. Real per-day counts, not estimates. Newest bar is today so far.
Related hashtags
measured · mastodon.online (Mastodon public search API) · fetched 2026-10-01 14:07 UTCNo related tags with measured usage found for #modelscaling.
Live pulse
measured · mastodon.online (Mastodon tag timeline) · fetched 2026-10-01 14:07 UTCEverything below is measured over the latest 7 public posts (spanning ~7390 hours).
Posting hours (UTC)
Languages: English (7)
Avg boosts / post: 0
Top of the latest posts
Model Size Scaling in 2023-2031 이 글은 2023년부터 2031년까지 AI 모델 크기 확장과 관련된 하드웨어 및 컴퓨팅 제약을 상세히 분석한다. 특히 HBM 메모리 대역폭과 파이프라인 단계 수가 토큰 생성 속도에 미치는 영향을 중심으로, Nvidia의 차세대 GPU 아키텍처와 FP8 연산 활용을 고려한 대규모 모델 학습 및 추론 가능성을 예측한다. 또한, 연도별 예상 가능한 최대 모델 파라미터 수와 이
How to Scale Your Model 이 글은 TPU와 GPU 하드웨어에서 대규모 언어 모델(LLM)을 효율적으로 확장하는 방법을 체계적으로 설명하는 책의 소개입니다. 모델 병렬화 기법, 하드웨어 병목 현상, 연산 및 통신 비용 분석, Transformer 아키텍처의 세부 연산량 계산 등을 다루며, LLaMA 3 모델을 활용한 실습과 JAX 기반 프로파일링 방법도 포함합니다. AI 연구자와 엔지니어가 대규모 모델을 하드웨
Rohan Paul (@rohanpaul_ai) Yann LeCun이 LLM의 현실 세계 지능 한계를 설명하며, 최대 규모의 LLM이 약 30조 단어(대략 10^14 바이트)의 텍스트로 학습되었다고 지적. 이 수치가 언뜻 커 보이지만 실제 세계에서 사물을 배우는 인간(예: 4세 아동)의 경험량과 비교하면 한계가 드러난다고 설명함. https://x.com/rohanpaul_ai/status/2029377041653694821
#modelscaling across platforms
every network with a public tag surfaceFollow #modelscaling straight to each platform’s own tag page. Where a platform publishes open data we measure it above; the rest lock their numbers behind paid APIs, so we link rather than guess.
Every number above is measured from a named public API at the shown fetch time. Nothing is estimated or extrapolated. Platforms that lock their data behind paid APIs are not shown. Agents: the same numbers, as JSON, at /api/hashtags/modelscaling