اختبار مرتبط بالدليل · متوسط المستوى

مسابقة نماذج جامبا الهجينة للمحولات-مامبا

مراجعة طبقات Jamba المختلطة الأصلية، توجيه مزيج الخبراء، الحالة المتكررة، نمو ذاكرة الانتباه، وتقييم السياق الطويل المحدد للعبء.

مسارات الدليل ذات الصلةنماذج مامبا للمحولات الهجينة من جامبا
سؤال 1 من 8

ما نوعي الطبقة الأساسية التي تشذّرها Jamba؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما نوعي الطبقة الأساسية التي تشذّرها Jamba؟
    • الطبقات التلافيفية والتجميعية
    • طبقات RNN وCNN
    • انتباه المحولات وطبقات مساحة حالة مامبا
    • طبقات الانتشار والانتباه
  2. ما هي التقنية الإضافية التي يستخدمها Jamba لزيادة السعة مع الحفاظ على انخفاض المعلمات النشطة؟
    • خليط من الخبراء (وزارة التربية والتعليم)
    • تقطير المعرفة
    • التدريب المدرك للكمية
    • تعزيز التعلم من ردود الفعل البشرية
  3. How does a Mamba layer's recurrent representation differ from an attention layer's KV cache?
    • It removes every model parameter from memory
    • It skips all tokens beyond the first one
    • It stores an independent full copy of every earlier attention matrix
    • It maintains a fixed-size recurrent state instead of retaining a growing set of past keys and values
  4. ما هي نافذة السياق التي دعمها نموذج جامبا الأول؟
    • رموز 4K
    • 256 ألف رمز
    • 32 ألف رمز
    • 8 مليون رمز
  5. What is a reason to retain attention components alongside state-space layers in a Jamba-style hybrid?
    • To combine different access and representation mechanisms while evaluating their quality-efficiency tradeoff
    • To guarantee perfect retrieval of every token on every task
    • To make all attention computation independent of sequence length
    • To eliminate the need for any model evaluation
  6. How should Jamba's reported long-context memory benefit be evaluated for deployment?
    • Assume every 256K request fits any single GPU
    • Count only the recurrent state while ignoring weights and attention cache
    • Measure the actual model, precision, batch size, context, and hardware configuration
    • Treat every hybrid model as having zero sequence-state cost
  7. Does original Jamba's use of many Mamba layers make the whole model's sequence memory constant as input length grows?
    • Yes; every hybrid attention cache has a fixed one-token size
    • No; its retained attention layers still store a growing KV cache
    • Yes; model weights disappear once the sequence becomes long
    • Only the tokenizer's file size changes
  8. Why are total MoE parameters and active parameters per token different quantities in Jamba?
    • Every stored expert is necessarily deleted when inactive
    • A token must run all experts regardless of routing
    • The model's supported context directly sets its vocabulary size
    • Routing can activate only a subset of stored experts for each token