Тест, свързан с ръководство · Среден Ниво

Семеен тест за модел на лама

Прегледайте изданията с отворено тегло на Llama, линията на модела, настройката на инструкциите, ефективността на изводите и по-новите мултимодални варианти.

Свързани ръководни пътекиОбразцово семейство на лама
Въпрос 1 на 8

How does Meta describe access to Llama model weights, and what governs use?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. How does Meta describe access to Llama model weights, and what governs use?
    • Weights are publicly released for eligible versions, subject to each version’s license and use terms
    • Every version is public domain with unrestricted use
    • Only Meta employees can access any Llama weights
    • The weights are downloadable without any terms
  2. Какво означава съкращението „лама“?
    • Линейно обучение и мултимодална архитектура
    • Голям езиков модел Meta AI
    • Слоест логически и машинен анализ
    • Приложение за управление на местен език
  3. Кое издание на Llama първо добави лиценз, позволяващ широко търговско използване?
    • Оригиналната лама 1
    • Само Llama 405
    • Лама 2
    • Никой от тях не позволява търговска употреба
  4. Каква архитектура е в основата на моделите Llama?
    • Конволюционен класификатор на изображения
    • Ансамбъл дърво на решенията
    • Повтаряща се мрежа без внимание
    • Трансформатор само за декодер, предвиждащ следващия токен
  5. Как се правят „чат“ или настроените с инструкции варианти на Llama да следват подканите на потребителя?
    • Чрез контролирана фина настройка и усилване на обучението от човешка обратна връзка
    • Чрез увеличаване на разделителната способност на екрана
    • Като изтриете изцяло основния модел
    • Като първо преведете всички подкани на латински
  6. In what deployment setup can running Llama locally avoid sending prompts to a hosted inference service?
    • Whenever a model is downloaded, even when an app sends prompts to cloud tools
    • When inference runs on-device or on a private local server without a prompt-forwarding service
    • Only when the model is fine-tuned rather than used for inference
    • When the application stores prompts in a shared hosted API
  7. Which attention design did Meta adopt in Llama 3 8B and 70B to improve inference efficiency?
    • Residual vector quantization
    • Spatially-adaptive normalization
    • Grouped-query attention (GQA)
    • A recurrent state-space scan
  8. What inputs can Llama 3.2 Vision models accept?
    • Audio waveforms only
    • Video frames only, with no text
    • Sensor data without language or images
    • Текст и изображения