Kuis terkait panduan · Sedang Tingkat

Kuis Model Zhipu GLM

Meliputi nama GLM dan tujuan pelatihan, garis keturunan ChatGLM, rilis khusus model terkini, dan interpretasi yang cermat terhadap pembaruan perusahaan.

Jalur panduan terkaitModel Zhipu Glm
Pertanyaan 1 dari 8

Apa kepanjangan GLM dalam model Zhipu?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa kepanjangan GLM dalam model Zhipu?
    • Model Bahasa Umum
    • Mesin Pembelajaran Global
    • Model Lapisan Grafis
    • Modul Logika Generatif
  2. Universitas mana yang paling dekat hubungannya dengan Zhipu AI?
    • Universitas Peking
    • Universitas Tsinghua
    • MIT
    • Universitas 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. Bagaimana cara kerja tujuan pelatihan GLM yang asli?
    • Ini menutupi rentang teks dan mengisi bagian yang kosong secara otomatis
    • Itu hanya memprediksi kata berikutnya
    • Ini mengelompokkan kata-kata tanpa label
    • Ini memberi peringkat pada hasil pencarian
  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
    • Menghapus semua lapisan perhatian
    • 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