Kvíz spojený s průvodcem · Střední úroveň

Kvíz o vkládání s otočnou polohou

Posuďte, jak RoPE otáčí dotazovací a klíčové vektory za účelem kódování pozice, a odlište jeho vlastnost relativní pozice od metod škálování s dlouhým kontextem.

Související vodicí cestyVložky s otočnou polohou
Otázka 1 z 8

Jak RoPE vkládá informace o poloze do transformátoru?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jak RoPE vkládá informace o poloze do transformátoru?
    • Otočením dvojic dimenzí v dotazu a klíčových vektorech o úhel závislý na poloze
    • Přidáním pevného vektoru do vstupních vložení
    • Náhodným přeuspořádáním tokenů
    • Připojením čísla pozice jako textu
  2. Po použití RoPE závisí skóre pozornosti mezi dvěma tokeny především na:
    • Pouze jejich absolutní pozice
    • Jejich relativní vzdálenost (m mínus n)
    • Velikost slovní zásoby
    • Velikost šarže
  3. What training-efficiency comparison did the YaRN paper report for context extension?
    • Exactly the same data and steps as all prior methods
    • No fine-tuning or training data of any kind
    • About 10x fewer tokens and 2.5x fewer training steps than prior methods
    • A fixed 100x increase in output tokens
  4. Proč v RoPE rotují různé dimenzní páry na různých frekvencích?
    • Chcete-li ušetřit paměť přeskočením některých rozměrů
    • K randomizaci výstupů modelu
    • Protože všechny páry musí používat stejný úhel
    • K zachycení jak jemného místního řádu, tak pozice na dálku
  5. What is the goal of techniques such as Position Interpolation and YaRN for RoPE-based models?
    • Extend the usable context length beyond the original training window using additional scaling/fine-tuning methods
    • Guarantee accurate recall at any sequence length with no evaluation
    • Remove position information from attention
    • Replace all token embeddings with absolute learned vectors
  6. Does standard RoPE require learned absolute-position vectors to inject position into query and key representations?
    • Yes; it adds one learned vector for every possible sequence position
    • No; it applies position-dependent rotations to paired query/key dimensions
    • It removes query and key vectors entirely
    • It only adds position to value vectors
  7. What does standard RoPE alone guarantee about a model’s context length?
    • Unlimited accurate context at every position
    • A fixed context of exactly 128 tokens
    • It does not by itself guarantee reliable use beyond the trained context length
    • Removal of the attention mechanism
  8. What extended context length did the Position Interpolation paper report for its LLaMA evaluations?
    • Exactly 1,000 tokens with no position changes
    • Unlimited context with no fine-tuning
    • Up to 2 million tokens for all models
    • Up to 32,768 tokens with minimal fine-tuning