Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Láma Modell Családi Kvíz
Review Llama’s open-weight releases, model lineage, instruction tuning, inference efficiency, and newer multimodal variants.
kérdés 1 -ból 8
How does Meta describe access to Llama model weights, and what governs use?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- How does Meta describe access to Llama model weights, and what governs use?
- Weights are publicly released for eligible versions, subject to each version’s license and use terms
- Every version is public domain with unrestricted use
- Only Meta employees can access any Llama weights
- The weights are downloadable without any terms
- Mit jelent a „Llama” mozaikszó?
- Lineáris tanulás és multimodális architektúra
- Nagy nyelvű modell Meta AI
- Réteges logika és gépi elemzés
- Helyi nyelvkezelő alkalmazás
- Melyik Llama kiadás adta először a széles körű kereskedelmi felhasználást lehetővé tevő licencet?
- Az eredeti Llama 1
- Csak Llama 405
- Láma 2
- Egyik sem engedélyezi a kereskedelmi felhasználást
- Milyen architektúra áll a láma modellek mögött?
- Konvolúciós képosztályozó
- Döntési fa együttes
- Egy visszatérő hálózat figyelem nélkül
- Csak dekóderhez használható transzformátor, amely megjósolja a következő tokent
- Hogyan készülnek a Llama „csevegés” vagy utasításokkal hangolt változatai a felhasználói utasítások követésére?
- Felügyelt finomhangoláson és az emberi visszajelzésekből való tanulás megerősítésén keresztül
- A képernyő felbontásának növelésével
- Az alapmodell teljes törlésével
- Először az összes felszólítást latinra fordítva
- In what deployment setup can running Llama locally avoid sending prompts to a hosted inference service?
- Whenever a model is downloaded, even when an app sends prompts to cloud tools
- When inference runs on-device or on a private local server without a prompt-forwarding service
- Only when the model is fine-tuned rather than used for inference
- When the application stores prompts in a shared hosted API
- Which attention design did Meta adopt in Llama 3 8B and 70B to improve inference efficiency?
- Residual vector quantization
- Spatially-adaptive normalization
- Grouped-query attention (GQA)
- A recurrent state-space scan
- What inputs can Llama 3.2 Vision models accept?
- Audio waveforms only
- Video frames only, with no text
- Sensor data without language or images
- Text and images