Kvíz spojený s průvodcem · Střední úroveň
BigScience a modelový kvíz BLOOM
Prohlédněte si vícejazyčný korpus ROOTS společnosti BLOOM, verzi s otevřeným přístupem, architekturu pouze pro dekodér a jazyky zastoupené ve školení.
Otázka 1 z 8
Jaký byl primární rozlišovací cíl modelu BLOOM ve srovnání s modely podobné velikosti své doby?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jaký byl primární rozlišovací cíl modelu BLOOM ve srovnání s modely podobné velikosti své doby?
- Být vícejazyčný a otevřeně uvolněný
- Být nejrychlejší při vyvozování
- Být nejmenším možným modelem
- Školení pouze na programovací kód
- Kolik parametrů má BLOOM přibližně?
- 7 miliard
- 176 miliard
- 70 miliard
- 540 miliard
- S kolika přirozenými jazyky byl BLOOM naučen?
- 1
- 100
- 46
- 600
- Která organizace koordinovala spolupráci BigScience?
- DeepMind
- Stability AI
- Anthropic
- Hugging Face
- Kde byl BLOOM vyškolen?
- Na veřejně financovaném superpočítači Jean Zay ve Francii
- Na privátních cloudových GPU pronajatých od startupu
- Na clusteru univerzitních notebooků
- Na TPU podech Google
- How does BLOOM’s ALiBi mechanism encode relative position?
- It removes attention and uses a convolutional decoder
- It adds distance-dependent biases to attention scores
- It inserts learned position vectors into every token embedding
- It stores position as a separate image channel
- How many programming languages were represented in BLOOM’s ROOTS corpus?
- 3 programming languages
- 46 programming languages
- 13 programming languages
- 130 programming languages
- What model architecture does the BLOOM paper describe?
- Konvoluční klasifikátor obrázků
- A recurrent speech recognizer
- A diffusion model for audio
- A decoder-only Transformer