Quiz de vérification d'échantillonnage spéculatif

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

1. Quelle est l’idée centrale de l’échantillonnage spéculatif ?
   • Utilisez un petit brouillon de modèle pour proposer plusieurs jetons qu'un grand modèle vérifie en parallèle
   • Entraînez un modèle géant pour sauter les couches de manière dynamique
   • Cachez chaque phrase possible à l’avance
   • Remplacez l’échantillonnage par un décodage gourmand pour gagner du temps
2. Pourquoi l’échantillonnage spéculatif ne dégrade-t-il pas la qualité de la sortie ?
   • Parce que le projet de modèle est toujours correct
   • Parce que la règle de vérification rend la distribution finale identique à l'échantillonnage cible pur
   • Parce que cela ne fonctionne que sur des invites courtes
   • Parce qu'il fait la moyenne des sorties des deux modèles
3. In exact speculative sampling, what happens when a drafted token is rejected?
   • It outputs the rejected draft token unchanged
   • It discards the entire conversation and restarts
   • The algorithm samples from a corrected residual distribution at that position
   • It permanently changes the target model
4. Under exact speculative sampling, what is guaranteed about the output distribution?
   • It is always deterministic
   • It matches the draft model’s distribution instead
   • It is more diverse than every target-model output
   • It matches the target model’s sampling distribution
5. What information does the target verification pass provide in exact speculative sampling?
   • Target probabilities for proposed positions, used for acceptance tests and residual resampling
   • A guarantee that no target-model computation is needed
   • Only the draft model’s next-token distribution
   • A corrected token sequence without any sampling
6. Which description correctly distinguishes two self-speculative approaches?
   • Both use only an unrelated small draft model
   • Medusa adds prediction heads, while EAGLE uses feature-space proposals
   • Medusa is a tokenizer and EAGLE is a reward model
   • Both remove the target model from decoding
7. The draft assigns probability 0.8 to a token and the target assigns 0.4. What is the speculative acceptance probability?
   • 0,2
   • 0,4
   • 0,5
   • 1.0
8. What most limits speculative sampling’s realized speedup?
   • The color of the model’s interface
   • The target model’s name length
   • Whether the prompt contains punctuation
   • The draft-model cost and how much proposed work the target accepts