Κουίζ που συνδέεται με οδηγό · Μεσαίο Επίπεδο

Κουίζ Falcon Models

Ελέγχει τον προγραμματιστή του Falcon, το RefinedWeb, την προσοχή πολλαπλών ερωτημάτων, την παραλλαγή Mamba και τον ρόλο των προσπαθειών κυρίαρχου ιδρύματος-μοντέλου.

Σχετικές διαδρομές οδηγώνΜοντέλα Falcon
Ερώτηση 1 του 8

Ποιος οργανισμός αναπτύσσει τα μοντέλα Falcon;

Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

  1. Ποιος οργανισμός αναπτύσσει τα μοντέλα Falcon;
    • Το Ινστιτούτο Καινοτομίας Τεχνολογίας (TII) στο Άμπου Ντάμπι
    • Μια startup στη Silicon Valley
    • Η Κινεζική Ακαδημία Επιστημών
    • Μια ευρωπαϊκή πανεπιστημιακή κοινοπραξία
  2. Τι ήταν αξιοσημείωτο σχετικά με το σύνολο δεδομένων RefinedWeb που χρησιμοποιήθηκε για την εκπαίδευση πρώιμων μοντέλων Falcon;
    • Ήταν μικροσκοπικό και χειρόγραφο
    • Δημιουργήθηκε με επιθετικό φιλτράρισμα και κατάργηση των αντιγράφων δεδομένων ιστού αντί να βασίζεται σε επιμελημένες πηγές
    • Περιείχε μόνο εικόνες
    • Ήταν εξ ολοκλήρου συνθετικό
  3. Ποια τεχνική προσοχής χρησιμοποιούν τα μοντέλα μετασχηματιστών Falcon για εξοικονόμηση μνήμης στο συμπέρασμα;
    • Καμία προσοχή
    • Πλήρης τετραγωνική προσοχή μόνο
    • Προσοχή πολλαπλών ερωτημάτων
    • Τυχαία προσοχή
  4. Πώς διαφέρει αρχιτεκτονικά το Falcon Mamba από τα τυπικά μοντέλα Falcon;
    • Είναι ένας μετασχηματιστής με περισσότερα στρώματα
    • Δεν έχει νευρωνικό δίκτυο
    • Κάνει μόνο ταξινόμηση εικόνων
    • Χρησιμοποιεί ένα μοντέλο κατάστασης χώρου αντί για μετασχηματιστή
  5. Με ποιους όρους κυκλοφορούν γενικά τα μοντέλα Falcon;
    • Επιτρεπτικοί όροι που ενθαρρύνουν την εμπορική και ερευνητική χρήση
    • Αυστηρά κλειστό και ιδιωτικό
    • Διατίθεται μόνο σε πολίτες των ΗΑΕ
    • Μόνο ως επί πληρωμή API
  6. Το Falcon αναφέρεται συχνά ως παράδειγμα ποιας ευρύτερης τάσης;
    • Το τέλος της τεχνητής νοημοσύνης ανοιχτού κώδικα
    • Χώρες που χτίζουν κυρίαρχα, εγχώρια μοντέλα ιδρυμάτων
    • Μοντέλα που λειτουργούν μόνο εκτός σύνδεσης
    • Αντικατάσταση όλων των GPU με CPU
  7. In multi-query attention, what do multiple query heads share?
    • One shared query and separate keys for every token
    • The same final vocabulary logits
    • A single set of key and value projections
    • A single attention score for all layers
  8. What does Falcon’s RefinedWeb training data illustrate?
    • A state-space model needs no training text
    • All web pages are equally reliable without filtering
    • Synthetic data must always replace real text
    • A large web corpus can be filtered and deduplicated rather than relying only on curated sources