Quiz collegato alla guida · Medio Livello

Modelli Yi di 01.AI Quiz

Esamina le origini della famiglia di modelli Yi, il focus bilingue, il design basato solo sul decodificatore, le varianti a lungo contesto e la post-formazione orientata alle istruzioni.

Percorsi guida correlatiModelli Yi di 01 AI
Domanda 1 di 8

Chi ha fondato 01.AI, l'azienda dietro i modelli Yi?

Anteprima di ogni domanda8 domande

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

  1. Chi ha fondato 01.AI, l'azienda dietro i modelli Yi?
    • Kai-Fu Lee
    • Robin Li
    • Jack Ma
    • Andrea Ng
  2. Quali sono stati i due primi modelli base Yi rilasciati?
    • Yi-1 e Yi-2
    • Yi-6B e Yi-34B
    • Yi-100 e Yi-200
    • Yi Mini e Yi Max
  3. Per quale capacità sono particolarmente noti i modelli Yi?
    • Generazione di sole immagini
    • Funziona senza GPU
    • Forte prestazione bilingue cinese-inglese
    • Traduzione solo dell'audio parlato
  4. Quale linea di architettura di base seguono i modelli Yi?
    • Un design LSTM ricorrente
    • Un modello di diffusione
    • Un modello di encoder puro come BERT
    • Il trasformatore solo decoder in stile lama
  5. Quanto è lunga all'incirca la finestra di contesto delle varianti Yi a contesto lungo?
    • Gettoni da 200.000
    • Gettoni 4K
    • Gettoni da 32.000
    • 1 milione di gettoni
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • Abbandonare completamente l’intelligenza artificiale
    • Data quality resulting from data-engineering efforts
    • Costruisci solo chip hardware
    • Unione con 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