Kvíz spojený s průvodcem · Střední úroveň
Kvíz o modelech Nvidia Nemotron
Kontroluje modely syntetických dat Nemotron, bodování modelu odměn, varianty odvozené od Llama, nasazení NeMo/NIM a metody po tréninku.
Otázka 1 z 8
Hlavním charakteristickým účelem rodiny Nemotron-4 340B je:
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Hlavním charakteristickým účelem rodiny Nemotron-4 340B je:
- Generování licenčně vhodných syntetických tréninkových dat
- Vykreslování 3D grafiky
- Těžba kryptoměny
- Komprese video souborů
- Llama 3.1 Nemotron 70B je postavena společností Nvidia nad základním modelem od které společnosti?
- Meta
- OpenAI
- Anthropic
- Jaká je role „modelu odměn“ Nemotronu?
- Platí vývojářům za používání GPU
- Vytváří náhodný šum
- Hodnotí kvalitu odpovědí pro vedení školení a filtrování dat
- Šifruje váhy modelů
- What practical capability does NVIDIA’s open Nemotron release offer developers?
- A guarantee that all hardware is free
- A replacement for model evaluation
- A promise that no fine-tuning is needed
- A model and associated tools they can adapt for their own applications, subject to its license
- Který framework nebo produkt Nvidia se běžně používá k nasazení modelů Nemotron?
- Mikroslužby NeMo a NIM
- Slovo Microsoft
- Adobe Photoshop
- Databáze Oracle
- Technika, kterou Nvidia použila k vyostření užitečnosti Nemotronu 70B, se silně spoléhala na:
- Ruční psaní každé odpovědi
- Posílení učení z lidské zpětné vazby pomocí vlastního modelu odměn
- Odstranění všech tréninkových dat
- Deaktivace GPU
- In the Nemotron synthetic-data pipeline described in the guide, what does the reward model do?
- Writes the GPU kernel for the language model
- Converts all weights to ternary values
- Scores candidate responses on qualities such as helpfulness and correctness
- Assigns a class label to every image
- Which preference prompts does NVIDIA name in the Llama-3.1-Nemotron-70B-Instruct model card?
- ImageNet
- Common Crawl RefinedWeb
- GSM 8K
- HelpSteer2-Preference