Quiz collegato alla guida · Medio Livello

Quiz sull'inclusione della posizione del Rotary

Valutare il modo in cui RoPE ruota la query e i vettori chiave per codificare la posizione e distinguere la sua proprietà di posizione relativa dai metodi di ridimensionamento a lungo contesto.

Percorsi guida correlatiIncorporamenti di posizioni rotanti
Domanda 1 di 8

In che modo RoPE inserisce le informazioni sulla posizione in un trasformatore?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. In che modo RoPE inserisce le informazioni sulla posizione in un trasformatore?
    • Ruotando coppie di dimensioni nella query e nei vettori chiave di un angolo dipendente dalla posizione
    • Aggiungendo un vettore fisso agli incorporamenti di input
    • Riordinando i gettoni in modo casuale
    • Aggiungendo il numero di posizione come testo
  2. Dopo l'applicazione del RoPE, il punteggio di attenzione tra due token dipende principalmente da:
    • Solo le loro posizioni assolute
    • La loro distanza relativa (m meno n)
    • La dimensione del vocabolario
    • La dimensione del lotto
  3. What training-efficiency comparison did the YaRN paper report for context extension?
    • Exactly the same data and steps as all prior methods
    • No fine-tuning or training data of any kind
    • About 10x fewer tokens and 2.5x fewer training steps than prior methods
    • A fixed 100x increase in output tokens
  4. Perché coppie di dimensioni diverse ruotano a frequenze diverse in RoPE?
    • Per risparmiare memoria saltando alcune dimensioni
    • Per randomizzare gli output del modello
    • Perché tutte le coppie devono utilizzare lo stesso angolo
    • Per catturare sia l'ordine locale che la posizione a lungo raggio
  5. What is the goal of techniques such as Position Interpolation and YaRN for RoPE-based models?
    • Extend the usable context length beyond the original training window using additional scaling/fine-tuning methods
    • Guarantee accurate recall at any sequence length with no evaluation
    • Remove position information from attention
    • Replace all token embeddings with absolute learned vectors
  6. Does standard RoPE require learned absolute-position vectors to inject position into query and key representations?
    • Yes; it adds one learned vector for every possible sequence position
    • No; it applies position-dependent rotations to paired query/key dimensions
    • It removes query and key vectors entirely
    • It only adds position to value vectors
  7. What does standard RoPE alone guarantee about a model’s context length?
    • Unlimited accurate context at every position
    • A fixed context of exactly 128 tokens
    • It does not by itself guarantee reliable use beyond the trained context length
    • Removal of the attention mechanism
  8. What extended context length did the Position Interpolation paper report for its LLaMA evaluations?
    • Exactly 1,000 tokens with no position changes
    • Unlimited context with no fine-tuning
    • Up to 2 million tokens for all models
    • Up to 32,768 tokens with minimal fine-tuning