गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर
एलुथेरएआई प्रश्नोत्तरी
EleutherAI के खुले भाषा मॉडल, पाइल डेटासेट, मूल्यांकन उपकरण और RoPE जैसे व्यावहारिक वास्तुकला विकल्पों की समीक्षा करें।
प्रश्न 1 का 8
How did EleutherAI first bring together its research community?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- How did EleutherAI first bring together its research community?
- As a Discord server for discussing GPT-3 and open language modeling
- सिलिकॉन वैली में एक उद्यम-वित्त पोषित स्टार्टअप के रूप में
- एक सरकारी अनुसंधान प्रयोगशाला के रूप में
- As a university’s official AI department
- 'द पाइल' क्या है?
- एक मालिकाना चैटबॉट उत्पाद
- भाषा मॉडलों के प्रशिक्षण के लिए 825GB का ओपन क्यूरेटेड टेक्स्ट डेटासेट
- एक प्रकार की तंत्रिका नेटवर्क परत
- EleutherAI का क्लाउड कंप्यूटिंग प्लेटफ़ॉर्म
- इनमें से कौन सा EleutherAI भाषा मॉडल है?
- बर्ट-बड़े
- एलएलएएमए-2
- GPT-NeoX-20B
- PaLM
- एलएम मूल्यांकन हार्नेस का उपयोग किसके लिए किया जाता है?
- पाठ से छवियाँ उत्पन्न करना
- मॉडल भार को संपीड़ित करना
- वेब एपीआई के रूप में मॉडल होस्ट करना
- कई कार्यों में बेंचमार्किंग भाषा मॉडल
- Which organizations are named in EleutherAI’s retrospective as research supporters?
- CoreWeave and Google TPU Research Cloud
- Nvidia and the National Science Foundation only
- The U.S. Department of Energy and NASA
- Amazon and the European Space Agency
- 2023 में EleutherAI ने क्या संगठनात्मक परिवर्तन किया?
- इसे OpenAI द्वारा अधिग्रहित किया गया था
- इसे एक गैर-लाभकारी अनुसंधान संस्थान के रूप में औपचारिक रूप दिया गया
- यह एक फ़ायदेमंद हेज फंड बन गया
- यह पूरी तरह से बंद हो गया
- Which positional method does the GPT-NeoX-20B paper describe using instead of learned absolute position embeddings?
- A separate learned embedding for every document
- A convolutional image-position map
- Rotary Positional Embeddings (RoPE)
- A random position permutation at each layer
- What architectural arrangement is highlighted as a GPT-NeoX-20B difference from GPT-3?
- The model replaces its Transformer with a decision tree
- Every layer removes the attention mechanism
- It uses only an encoder and no autoregressive decoder
- Attention and feed-forward layers can be computed in parallel