গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

টেস্ট-টাইম কম্পিউট স্কেলিং কুইজ

অনুমান-সময় গণনা, প্রার্থী অনুসন্ধান, অভিযোজিত বরাদ্দ এবং পরীক্ষার সময় অধ্যয়নে পরিমাপ করা খরচ-বিলম্বিত ট্রেডঅফ পর্যালোচনা করুন।

সম্পর্কিত গাইড পাথটেস্ট টাইম কম্পিউট স্কেলিং
প্রশ্ন 1 এর 8

'পরীক্ষার সময় গণনা' কী বোঝায়?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. 'পরীক্ষার সময় গণনা' কী বোঝায়?
    • কম্পিউটেশন ডেটার উপর মডেলকে প্রশিক্ষণ দেয়
    • একটি মডেল ডাউনলোড করতে সময় লাগে
    • মডেল যখন অনুমানে একটি প্রশ্নের উত্তর দেয় তখন গণনা ব্যয় হয়
    • ডাটা সেন্টার ঠান্ডা করতে ব্যবহৃত বিদ্যুৎ
  2. In test-time scaling studies, what can extra inference compute be used for?
    • Changing the model’s training data during the request
    • Increasing the number of model parameters automatically
    • Guaranteeing correctness without evaluation
    • Searching or revising candidate solutions and checking their quality
  3. টেস্ট-টাইম কম্পিউট স্কেলিং এর মূল ট্রেড-অফ কি?
    • আরো বিলম্বিতা এবং খরচের বিনিময়ে উচ্চ নির্ভুলতা
    • কম স্মৃতি কিন্তু ধীর প্রশিক্ষণ
    • আরও ডেটা কিন্তু ছোট মডেল
    • কম রেজোলিউশনের জন্য ভাল গ্রাফিক্স
  4. 'বেস্ট-অফ-এন' স্যাম্পলিং কী?
    • N বৃহত্তম ডেটাসেটের প্রশিক্ষণ
    • N প্রার্থীর উত্তর তৈরি করা এবং সেরাটি নির্বাচন করা
    • একটি প্রম্পটের শুধুমাত্র প্রথম N শব্দ ব্যবহার করা
    • গতির জন্য এন বিভিন্ন কম্পিউটারে মডেল চালানো
  5. কেন পরীক্ষার সময় গণনা একটি নতুন 'স্কেলিং অক্ষ' হিসাবে বিবেচিত হয়?
    • এটি কোনো প্রশিক্ষণের প্রয়োজন প্রতিস্থাপন করে
    • এটি শুধুমাত্র ছোট মডেলগুলিতে কাজ করে
    • এটি শুধুমাত্র মডেলের আকার বাড়ানোর পরিবর্তে অনুমান গণনা যোগ করে কর্মক্ষমতা উন্নত করে
    • এটি একটি মডেল পরিবেশন করতে পারে এমন ব্যবহারকারীর সংখ্যা হ্রাস করে
  6. কি বিস্ময়কর ফলাফল পরীক্ষার সময় গণনা সক্ষম করে?
    • মডেল কোন GPU ছাড়া চলতে পারে
    • প্রশিক্ষণ তথ্য অপ্রয়োজনীয় হয়ে ওঠে
    • মডেল সবসময় দ্রুত উত্তর
    • একটি ছোট মডেল বেশিক্ষণ চিন্তা করলে তাত্ক্ষণিকভাবে উত্তর দেওয়া অনেক বড় মডেলের প্রতিদ্বন্দ্বী হতে পারে
  7. What is one reason a fixed best-of-N strategy may waste inference compute?
    • It spends the same candidate budget on easy and difficult prompts
    • It modifies model weights on every query
    • It cannot generate multiple candidates
    • It eliminates the need for scoring
  8. What did the test-time compute paper compare with best-of-N sampling?
    • A strategy that disables inference
    • A compute-optimal strategy that allocates effort based on expected solution quality
    • A larger tokenizer vocabulary
    • A method that changes image resolution