Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Yi modellek a 01.AI kvíztől

Review the Yi model family’s origins, bilingual focus, decoder-only design, long-context variants, and instruction-oriented post-training.

Kapcsolódó útmutató utakYi modellek, 01 AI
kérdés 1 -ból 8

Ki alapította a 01.AI-t, a Yi modellek mögött álló céget?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Ki alapította a 01.AI-t, a Yi modellek mögött álló céget?
    • Kai-Fu Lee
    • Robin Li
    • Jack Ma
    • Andrew Ng
  2. Melyik két első Yi alapmodell jelent meg?
    • Yi-1 és Yi-2
    • Yi-6B és Yi-34B
    • Yi-100 és Yi-200
    • Yi-Mini és Yi-Max
  3. Milyen képességeiről ismertek különösen a Yi modellek?
    • Csak képeket generál
    • GPU nélkül fut
    • Erős kétnyelvű kínai-angol előadás
    • Csak beszédhang fordítása
  4. Milyen alap architektúra vonalat követnek a Yi modellek?
    • Visszatérő LSTM design
    • Egy diffúziós modell
    • Egy tiszta kódoló modell, mint a BERT
    • A láma-stílusú dekóder csak transzformátor
  5. Körülbelül milyen hosszú a hosszú kontextusú Yi változatok kontextusablaka?
    • 200 ezer token
    • 4K tokenek
    • 32K token
    • 1 millió token
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • Az AI teljes elhagyása
    • Data quality resulting from data-engineering efforts
    • Csak hardver chipek építése
    • Egyesítés a következővel: OpenAI
  7. What does supervised fine-tuning plus reinforcement learning from human feedback aim to improve in Yi chat models?
    • Compressing retinal images
    • Changing the model into an encoder-only network
    • Following instructions in conversational use
    • Removing all text-generation ability
  8. What data strategy did 01.AI emphasize for the Yi models?
    • Training exclusively on synthetic audio
    • Avoiding all data filtering
    • Using only programming-language source code
    • Careful data quality and curation rather than relying only on sheer scale