Quiz lié à un guide · Moyen Niveau

Quiz sur les modèles Zhipu GLM

Couvre le nom et l'objectif de formation de GLM, la lignée ChatGLM, les versions actuelles spécifiques au modèle et l'interprétation prudente des mises à jour de l'entreprise.

Chemins de guidage associésDes Modèles Zhipu Glm
Question 1 de 8

Que signifie GLM dans les modèles Zhipu ?

Prévisualisez chaque question8 des questions

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

  1. Que signifie GLM dans les modèles Zhipu ?
    • Modèle de langage général
    • Machine d’apprentissage mondiale
    • Modèle de couche graphique
    • Module de logique générative
  2. À quelle université Zhipu AI est-elle la plus étroitement associée ?
    • Université de Pékin
    • Université Qinghua
    • MIT
    • Université 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. Comment fonctionne l’objectif initial de formation GLM ?
    • Il masque des étendues de texte et remplit les blancs de manière autorégressive
    • Il prédit seulement le mot suivant
    • Il regroupe les mots sans étiquettes
    • Il classe les résultats de recherche
  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
    • Supprimer toutes les couches d'attention
    • 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