Quiz sur les intégrations de positions rotatives

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Comment RoPE injecte-t-il des informations de position dans un transformateur ?
   • En faisant pivoter les paires de dimensions dans la requête et les vecteurs clés selon un angle dépendant de la position
   • En ajoutant un vecteur fixe aux intégrations d'entrée
   • En réorganisant les jetons au hasard
   • En ajoutant le numéro de position sous forme de texte
2. Une fois RoPE appliqué, le score d’attention entre deux jetons dépend principalement de :
   • Leurs positions absolues uniquement
   • Leur distance relative (m moins n)
   • La taille du vocabulaire
   • La taille du lot
3. What training-efficiency comparison did the YaRN paper report for context extension?
   • Exactly the same data and steps as all prior methods
   • No fine-tuning or training data of any kind
   • About 10x fewer tokens and 2.5x fewer training steps than prior methods
   • A fixed 100x increase in output tokens
4. Pourquoi différentes paires de dimensions tournent-elles à des fréquences différentes dans RoPE ?
   • Pour économiser de la mémoire en sautant certaines dimensions
   • Pour randomiser les sorties du modèle
   • Parce que toutes les paires doivent utiliser le même angle
   • Pour capturer à la fois un bon ordre local et une position à longue portée
5. What is the goal of techniques such as Position Interpolation and YaRN for RoPE-based models?
   • Extend the usable context length beyond the original training window using additional scaling/fine-tuning methods
   • Guarantee accurate recall at any sequence length with no evaluation
   • Remove position information from attention
   • Replace all token embeddings with absolute learned vectors
6. Does standard RoPE require learned absolute-position vectors to inject position into query and key representations?
   • Yes; it adds one learned vector for every possible sequence position
   • No; it applies position-dependent rotations to paired query/key dimensions
   • It removes query and key vectors entirely
   • It only adds position to value vectors
7. What does standard RoPE alone guarantee about a model’s context length?
   • Unlimited accurate context at every position
   • A fixed context of exactly 128 tokens
   • It does not by itself guarantee reliable use beyond the trained context length
   • Removal of the attention mechanism
8. What extended context length did the Position Interpolation paper report for its LLaMA evaluations?
   • Exactly 1,000 tokens with no position changes
   • Unlimited context with no fine-tuning
   • Up to 2 million tokens for all models
   • Up to 32,768 tokens with minimal fine-tuning