Тест за спекулативно декодиране

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Как спекулативното декодиране ускорява генерирането от голям модел?
   • Малък чернови модел отгатва няколко токена, които големият модел проверява паралелно
   • Компресиране на модела до половината от неговия размер за постоянно
   • Премахване на механизма за внимание
   • Обучение на модела на повече данни
2. For a large model at low batch size, why can one-token autoregressive decoding be slow?
   • Each token requires internet access
   • Repeated reads of large model weights can make decoding memory-bandwidth bound
   • The model permanently stores a full copy of every possible output
   • The tokenizer performs the model’s matrix multiplications
3. In greedy speculative decoding, what happens at the first token where draft and target predictions disagree?
   • The whole conversation is thrown away and restarted from scratch
   • Проектният модел се преквалифицира незабавно
   • The matching prefix is kept, the target token is used at the mismatch, and later draft tokens are discarded
   • Качеството на изхода трайно се влошава
4. Under exact speculative sampling, how does the output distribution compare with sampling from the target model alone?
   • It is always lower quality but faster
   • It is identical only when the draft model is larger
   • It becomes deterministic regardless of target sampling
   • It is identical in distribution
5. Какво най-пряко определя ускоряването от спекулативното декодиране?
   • Степента на приемане на предположенията на черновата на модела
   • Цветът на GPU
   • Дължината на името на модела
   • Времето на деня
6. Какво е общото между Медуза и ОРЕЛ като подходи?
   • Те изискват квантов хардуер
   • Те елиминират необходимостта от отделен самостоятелен чернови модел
   • Те изтриват целевия модел
   • Те работят само върху изображения
7. What should a serving team measure before claiming speculative decoding will speed up its workload?
   • Only the target model’s parameter count
   • Only whether the draft produces fluent text
   • Draft cost, target verification cost, accepted tokens and end-to-end latency under representative traffic
   • The number of tokenizer files
8. In exact speculative sampling, what happens when a proposed token is rejected?
   • The whole conversation is discarded
   • The target model is permanently changed
   • The rejected token is kept without verification
   • A correction step samples from the distribution needed to preserve the target model’s output distribution