Mit dem Guide verknüpftes Quiz · Mittel Ebene

Chinchilla-Skalierungsgesetz-Quiz

Testen Sie die Ergebnisse des Chinchilla-Schulungsbudgets, das 70B/1,4T-Beispiel, Skalierungsproportionen, ungefähre Berechnungen und den Unterschied zur Bereitstellungsoptimierung.

Verwandte FührungspfadeChinchilla-Skalierungsgesetze
Frage 1 von 8

What does Chinchilla's finding that parameters and tokens should scale in similar proportions mean?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. What does Chinchilla's finding that parameters and tokens should scale in similar proportions mean?
    • Both should grow with comparable scaling exponents under the studied training-compute objective
    • The numerical token count must equal the parameter count
    • Training data does not affect the fitted loss
    • Every deployment must choose the largest possible model
  2. What token-per-parameter ratio does the 70B-parameter, 1.4T-token Chinchilla experiment illustrate?
    • Exactly one token per parameter
    • About two thousand tokens per parameter
    • About twenty training tokens per parameter
    • A ratio determined only by the number of GPUs
  3. Welches Modell übertraf Chinchilla, obwohl es viel kleiner war?
    • GPT-2
    • Gopher
    • BERT
    • Mamba
  4. Was meinte Chinchilla damals über Modelle wie GPT-3?
    • Sie waren übertrainiert
    • Ihnen stand zu wenig Rechenleistung zur Verfügung
    • Sie haben den falschen Tokenizer verwendet
    • Sie waren im Verhältnis zu ihrer Größe untertrainiert
  5. Wie wurde die Berechnung in der Chinchilla-Analyse ungefähr angenähert?
    • Nur proportional zur Anzahl der GPUs
    • Unabhängig von der Datengröße
    • Proportional zu Parametern mal Trainingstoken
    • Proportional zur Wortschatzgröße
  6. Why might a deployment objective favor a smaller model trained on extra data rather than the training-compute optimum alone?
    • Repeated inference costs can matter alongside the initial training budget
    • Inference has no resource cost for any model
    • The Chinchilla study proved every scaling relationship false
    • More data always reduces both training and serving work to zero
  7. Under the approximation that training compute is proportional to N times D, how must D change if N doubles while that compute budget stays fixed?
    • D must also double
    • D must quadruple
    • D must remain unchanged
    • D must approximately halve
  8. Which three types of term appear in Chinchilla’s parametric loss fit?
    • Only GPU count, electricity price, and elapsed seconds
    • An irreducible base term, a model-size contribution, and a data-size contribution
    • Only vocabulary size, file size, and model name
    • Only a linear token count with no model-size term