Kvíz spojený s průvodcem · Střední úroveň

Kvíz o měřítku AI

Prozkoumejte služby Scale AI pro označování dat a datové služby GenAI, odborné přispěvatele, data preferencí RLHF a vyhodnocování modelů.

Související vodicí cestyMěřítko AI
Otázka 1 z 8

Jaký hlavní problém Scale AI primárně řeší pro vývojáře AI?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaký hlavní problém Scale AI primárně řeší pro vývojáře AI?
    • Poskytování vysoce kvalitních označených a upravených tréninkových dat
    • Navrhování počítačových čipů
    • Vytváření webových prohlížečů
    • Výroba baterií
  2. Na jaký druh dat se Scale AI zaměřila na označování, když poprvé začala?
    • Hudební nahrávky
    • Obrázky pro samořídící auta
    • Akciové burzy
    • Údaje z družice počasí
  3. Co znamená RLHF, škála služeb poskytovaná LLM?
    • Hashovací funkce náhodné knihovny
    • Hardwarový rámec Rapid Logic
    • Posílení učení z lidské zpětné vazby
    • Formát rekurzivního jazykového hostování
  4. Proč mohou odborně vytvořené tréninkové příklady pomoci zlepšit model?
    • They guarantee the model will be correct on every future task
    • They remove the need to evaluate the model
    • They replace all training data with synthetic labels
    • They provide task-specific demonstrations or feedback for capabilities not well represented in available general data
  5. Jaká platforma je podle Scale AI součástí jejího specializovaného ekosystému přispěvatelů GenAI?
    • Outlier
    • MLflow Tracking
    • Katalog jednoty
    • EnCodec
  6. Jaké bezpečnostní služby AI kromě označování nabízí společnost Scale?
    • Prodej antivirového softwaru
    • Red-teaming a hodnotící modely pro bezpečnost a spolehlivost
    • Opravy smartphonů
    • Navrhování grafiky videoher
  7. What kind of judgment data is commonly used in RLHF?
    • Only the model’s parameter file names
    • A list of GPU serial numbers
    • Human comparisons or rankings of model responses
    • Unlabeled images with no task signal
  8. What is the purpose of red-teaming an AI model or system?
    • Guarantee that the system can never fail
    • Replace all model training data
    • Measure only GPU temperature
    • Probe it with adversarial or misuse scenarios to identify safety weaknesses