Quiz collegato alla guida · Medio Livello

Quiz sui modelli Zhipu GLM

Copre il nome e l'obiettivo della formazione di GLM, il lignaggio di ChatGLM, le versioni attuali specifiche del modello e un'interpretazione cauta degli aggiornamenti dell'azienda.

Percorsi guida correlatiModelli Zhipu Glm
Domanda 1 di 8

Cosa rappresenta GLM nei modelli Zhipu?

Anteprima di ogni domanda8 domande

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

  1. Cosa rappresenta GLM nei modelli Zhipu?
    • Modello linguistico generale
    • Macchina per l’apprendimento globale
    • Modello a livelli grafici
    • Modulo di logica generativa
  2. A quale università è più strettamente associata Zhipu AI?
    • Università di Pechino
    • Università Tsinghua
    • MIT
    • Università 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. Come funziona l'obiettivo formativo GLM originale?
    • Maschera parti di testo e riempie gli spazi vuoti in modo autoregressivo
    • Prevede solo la parola successiva
    • Raggruppa parole senza etichette
    • Classifica i risultati della ricerca
  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
    • Rimozione di tutti gli strati di attenzione
    • 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