اختبار قياس نافذة سياق YaRN

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو نظام ترميز الموضع الذي تقوم YaRN بتعديله لتوسيع طول السياق؟
   • زخارف موضعية دوارة (RoPE)
   • التضمينات الجيبية المطلقة
   • تعلمت جداول البحث الموضعية
   • التحيزات الخطية ALiBi
2. كيف تتعامل YaRN مع أبعاد RoPE ذات التردد العالي مقابل التردد المنخفض؟
   • إنه يقحم كلاهما على قدم المساواة
   • يزيل أبعاد التردد العالي بالكامل
   • إنه يعدل فقط أبعاد التردد العالي
   • فهو يترك أبعاد التردد العالي سليمة في الغالب، ويكمل الأبعاد ذات التردد المنخفض
3. How should YaRN's reported data and fine-tuning efficiency be interpreted?
   • As proof that no YaRN model ever needs training
   • As results for its evaluated model-extension setups, rather than a fixed guarantee for every model
   • As a universal promise that every dataset size works equally well
   • As removal of the need for GPUs or inference computation
4. إلى جانب إعادة قياس الترددات، ما هو التعديل الإضافي الذي تطبقه YaRN للحفاظ على استقرار الانتباه بعيد المدى؟
   • زيادة التسرب
   • مفردات أكبر
   • تعديل درجة حرارة الانتباه (تحجيم softmax).
   • قطع التدرج
5. What motivates evaluating a RoPE model before using a context far beyond its original training length?
   • The model necessarily becomes perfectly accurate at longer lengths
   • The context extension automatically reduces memory to zero
   • A larger window proves every passage is equally easy to retrieve
   • Positional and attention behavior may degrade outside the conditions it learned
6. الاستيفاء الخطي الساذج للموضع يضر بالقدرة التي تهدف YaRN إلى الحفاظ عليها؟
   • علاقات محلية جيدة بين الرموز القريبة
   • حجم مفردات النموذج
   • سرعة الرمز المميز
   • عدد الطبقات
7. What happens in the transition region between YaRN's high- and low-frequency treatments?
   • Every dimension is assigned a random vocabulary token
   • All transition dimensions are deleted from attention
   • The scheme blends original and interpolated frequency treatment across the relevant dimensions
   • One identical scaling rule ignores frequency differences entirely
8. What does a checkpoint's advertised longer YaRN context limit fail to establish by itself?
   • Whether the positional scheme can accept any coordinates at all
   • Reliable performance for every intended task and position within that window
   • The spelling of the model's name
   • A requirement that every inference request retrain all weights