Quiz de fusion de modèles évolutifs Sakana AI

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

1. Que fait réellement la fusion des modèles évolutifs de Sakana AI ?
   • Utilise la recherche évolutive pour combiner des modèles pré-entraînés existants dans de nouveaux
   • Entraîne chaque nouveau modèle à partir de zéro sur du texte brut
   • Supprime les poids des mauvais modèles de manière aléatoire
   • Affine uniquement un seul modèle avec plus de données
2. Qui est l’un des co-fondateurs notables de Sakana AI ?
   • L'inventeur du GPU
   • Co-auteur de l'article original de Transformer, Llion Jones
   • Un ancien président d'un pays
   • Le créateur de Linux
3. Que signifie et reflète le nom « Sakana » ?
   • « Montagne », reflétant la taille
   • « Feu », reflétant la vitesse
   • « Poisson » en japonais, reflétant l'IA collective inspirée des essaims
   • « Cloud », à l'image des centres de données
4. Sakana fait évoluer le modèle en fusionnant dans quels deux espaces ?
   • Audio et vidéo uniquement
   • Licences matérielles et logicielles
   • Marketing et ventes
   • Espace des paramètres et espace du flux de données (disposition des couches)
5. What can reusing pretrained weights avoid in an evolutionary model-merging project?
   • Training a new base model from scratch
   • All compute for search and evaluation
   • The need to check model compatibility
   • Testing on a benchmark task
6. Outre la fusion de modèles, quel système ambitieux Sakana a-t-il introduit ?
   • Une application de médias sociaux
   • Le « AI Scientist » visant à automatiser la recherche
   • Une console de jeux vidéo
   • Un nouveau langage de programmation
7. How does the evolutionary search compare candidate model-merging recipes?
   • It chooses the recipe with the longest name
   • It selects candidates without running any evaluation
   • It evaluates them on task-specific benchmarks and uses scores to guide later candidates
   • It always keeps the first combination it tries
8. What is an important limitation when interpreting a merged model’s benchmark score?
   • It proves the model has no inherited limitations
   • It guarantees equal performance on every language
   • It means no evaluation data was used
   • The score reflects the evaluated tasks and setup, not guaranteed performance everywhere