Cuestionario vinculado a una guía · Medio Nivel

Modelos Yi por 01.AI Quiz

Revise los orígenes de la familia de modelos Yi, su enfoque bilingüe, su diseño exclusivo para decodificadores, sus variantes de contexto largo y su posentrenamiento orientado a la instrucción.

Rutas de guía relacionadasModelos Yi por 01 AI
Pregunta 1 de 8

¿Quién fundó 01.AI, la empresa detrás de los modelos Yi?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Quién fundó 01.AI, la empresa detrás de los modelos Yi?
    • Kai Fu Lee
    • Robin Li
    • Jack Ma
    • Andrés Ng
  2. ¿Cuáles fueron dos de los primeros modelos básicos de Yi lanzados?
    • Yi-1 y Yi-2
    • Yi-6B y Yi-34B
    • Yi-100 y Yi-200
    • Yi-Mini y Yi-Max
  3. ¿Por qué capacidades son especialmente conocidos los modelos Yi?
    • Generando solo imágenes
    • Ejecutando sin ninguna GPU
    • Excelente desempeño bilingüe chino-inglés
    • Traducir solo audio hablado
  4. ¿Qué linaje arquitectónico base siguen los modelos Yi?
    • Un diseño LSTM recurrente
    • Un modelo de difusión
    • Un modelo de codificador puro como BERT
    • El transformador solo decodificador estilo Llama
  5. ¿Aproximadamente cuánto dura la ventana de contexto de las variantes Yi de contexto largo?
    • 200.000 fichas
    • fichas 4K
    • 32K fichas
    • 1 millón de fichas
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • Abandonando la IA por completo
    • Data quality resulting from data-engineering efforts
    • Sólo construyendo chips de hardware
    • Fusionándose con OpenAI
  7. What does supervised fine-tuning plus reinforcement learning from human feedback aim to improve in Yi chat models?
    • Compressing retinal images
    • Changing the model into an encoder-only network
    • Following instructions in conversational use
    • Removing all text-generation ability
  8. What data strategy did 01.AI emphasize for the Yi models?
    • Training exclusively on synthetic audio
    • Avoiding all data filtering
    • Using only programming-language source code
    • Careful data quality and curation rather than relying only on sheer scale