Quiz de décodage spéculatif

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

1. Comment le décodage spéculatif accélère-t-il la génération à partir d’un grand modèle ?
   • Un petit modèle brouillon devine plusieurs jetons que le grand modèle vérifie en parallèle
   • Compresser le modèle à la moitié de sa taille de manière permanente
   • Supprimer le mécanisme d'attention
   • Entraîner le modèle sur plus de données
2. For a large model at low batch size, why can one-token autoregressive decoding be slow?
   • Each token requires internet access
   • Repeated reads of large model weights can make decoding memory-bandwidth bound
   • The model permanently stores a full copy of every possible output
   • The tokenizer performs the model’s matrix multiplications
3. In greedy speculative decoding, what happens at the first token where draft and target predictions disagree?
   • The whole conversation is thrown away and restarted from scratch
   • Le projet de modèle est immédiatement recyclé
   • The matching prefix is kept, the target token is used at the mismatch, and later draft tokens are discarded
   • La qualité de sortie se dégrade de façon permanente
4. Under exact speculative sampling, how does the output distribution compare with sampling from the target model alone?
   • It is always lower quality but faster
   • It is identical only when the draft model is larger
   • It becomes deterministic regardless of target sampling
   • It is identical in distribution
5. Qu’est-ce qui détermine le plus directement l’accélération du décodage spéculatif ?
   • Le taux d'acceptation des suppositions du projet de modèle
   • La couleur du GPU
   • La longueur du nom du modèle
   • L'heure de la journée
6. Qu’ont en commun Medusa et EAGLE en tant qu’approches ?
   • Ils nécessitent du matériel quantique
   • Ils éliminent le besoin d’un modèle de projet autonome distinct
   • Ils suppriment le modèle cible
   • Ils ne travaillent que sur des images
7. What should a serving team measure before claiming speculative decoding will speed up its workload?
   • Only the target model’s parameter count
   • Only whether the draft produces fluent text
   • Draft cost, target verification cost, accepted tokens and end-to-end latency under representative traffic
   • The number of tokenizer files
8. In exact speculative sampling, what happens when a proposed token is rejected?
   • The whole conversation is discarded
   • The target model is permanently changed
   • The rejected token is kept without verification
   • A correction step samples from the distribution needed to preserve the target model’s output distribution