Тест за разделяне на контролни точки и възобновяемо обучение

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Защо контролно-пропускателните пунктове на голям модел са разделени на части?
   • За да накарате модела да се обучава по-бързо при малки входове
   • За да скриете теглото на модела от потребителите
   • Тъй като шардингът подобрява точността
   • Тъй като една контролна точка може да бъде твърде голяма, за да се справи ефективно с един файл или машина
2. Which extra state is typically needed for training resumption beyond model weights?
   • Само крайната оценка за точност
   • Optimizer and scheduler state, step progress, RNG state, and relevant data-loader progress
   • Only a model-weight shard index
   • A screenshot of the training dashboard
3. Каква е основната полза от възобновяващото се обучение за дълги работни места?
   • Премахва необходимостта от набор за валидиране
   • Гарантира, че моделът никога не прекалява
   • Срив или превенция не налага рестартиране от нулата
   • Елиминира оптимизатора
4. In a sharded distributed checkpoint, how can ranks avoid gathering the entire state on one worker?
   • By saving their assigned local tensor shards with checkpoint metadata
   • By each emailing a full model copy
   • By deleting optimizer state before every save
   • By disabling all state serialization
5. Каква роля играе индексният файл в разделените контролни точки?
   • Той съхранява паролата на потребителя
   • Той преобразува всяко име на параметър към файла на сегмента, който го съдържа
   • Той компресира изображенията в набора от данни
   • Той планира скоростта на обучение
6. Кой формат обикновено се използва за безопасно, картографирано в паметта зареждане на сегменти на модела?
   • MP3
   • CSV
   • предпазители
   • Архив само в ZIP формат
7. A package contains safetensors weight shards and an index, but no optimizer state. What can it support by itself?
   • Loading model weights, without fully restoring optimizer training history
   • Guaranteed exact resumption of every interrupted run
   • Recovering the next batch position automatically
   • Reconstructing every random-number-generator state
8. A sharded checkpoint loader supports a new rank layout. What should the team verify before trusting recovery?
   • That fewer ranks guarantee identical floating-point results
   • That the weight index alone includes every application state
   • That no restart test is necessary
   • That the necessary saved state loads correctly and the resumed training step behaves as expected