Cuestionario vinculado a una guía · Medio Nivel

Prueba de modelos Zhipu GLM

Cubre el nombre de GLM y el objetivo de capacitación, el linaje de ChatGLM, los lanzamientos actuales específicos del modelo y la interpretación cautelosa de las actualizaciones de la empresa.

Rutas de guía relacionadasModelos de Zhipu Glm
Pregunta 1 de 8

¿Qué significa GLM en los modelos de Zhipu?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Qué significa GLM en los modelos de Zhipu?
    • Modelo de lenguaje general
    • Máquina de aprendizaje global
    • Modelo de capa gráfica
    • Módulo de lógica generativa
  2. ¿Con qué universidad está más estrechamente asociada Zhipu AI?
    • Universidad de Pekín
    • Universidad de Tsinghua
    • MIT
    • Universidad de Fudan
  3. What did the ChatGLM-6B release make available to developers?
    • A video-only diffusion model
    • A proprietary API with no released model
    • A bilingual Chinese-English chatbot model with deployment options for local hardware
    • A database for image annotations
  4. What does CogVideoX generate from a text prompt?
    • A protein structure
    • A transaction graph
    • A speech transcript only
    • A video clip
  5. ¿Cómo funciona el objetivo de formación GLM original?
    • Enmascara tramos de texto y rellena los espacios en blanco de forma autorregresiva.
    • Sólo predice la siguiente palabra.
    • Agrupa palabras sin etiquetas.
    • Clasifica los resultados de búsqueda
  6. What is a stable technical question to ask about a specific Zhipu GLM release?
    • Whether all GLM releases have identical limits
    • Which capabilities, license, and evaluation results are documented for that exact version
    • Whether the company name predicts model quality
    • Whether a single benchmark proves general superiority
  7. What deployment option does the ChatGLM-6B repository document for reducing memory requirements?
    • Increasing the model to 70 billion parameters
    • Eliminando todas las capas de atención
    • Quantized inference configurations such as 4-bit loading
    • Training a new tokenizer at each request
  8. How does the original GLM paper describe positional information for infilling spans?
    • It uses no position information
    • It assigns each document one global position
    • It treats masked spans as image patches
    • It uses two-dimensional positions to represent text position and the infilling span