ガイド連動クイズ · 中 レベル

Jamba ハイブリッド トランスフォーマー - マンバ モデル クイズ

オリジナルの Jamba ハイブリッド レイヤー、専門家の混合ルーティング、リカレント ステート、アテンション キャッシュの増大、ワークロード固有のロングコンテキストの評価を確認します。

関連するガイドパスジャンバ ハイブリッド トランスフォーマー マンバ モデル
質問 1 の 8

Jamba がインターリーブする 2 つのコア層タイプはどれですか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. Jamba がインターリーブする 2 つのコア層タイプはどれですか?
    • 畳み込み層とプーリング層
    • RNN 層と CNN 層
    • トランスフォーマー アテンションと Mamba 状態空間レイヤー
    • 拡散層と注目層
  2. アクティブパラメータを低く抑えながら容量を増やすために、Jamba はどのような追加テクニックを使用していますか?
    • 専門家の混合 (MoE)
    • 知識の蒸留
    • 量子化を意識したトレーニング
    • 人間のフィードバックからの強化学習
  3. How does a Mamba layer's recurrent representation differ from an attention layer's KV cache?
    • It removes every model parameter from memory
    • It skips all tokens beyond the first one
    • It stores an independent full copy of every earlier attention matrix
    • It maintains a fixed-size recurrent state instead of retaining a growing set of past keys and values
  4. 最初の Jamba モデルはどのコンテキスト ウィンドウをサポートしていましたか?
    • 4Kトークン
    • 256,000トークン
    • 32,000 トークン
    • 800万トークン
  5. What is a reason to retain attention components alongside state-space layers in a Jamba-style hybrid?
    • To combine different access and representation mechanisms while evaluating their quality-efficiency tradeoff
    • To guarantee perfect retrieval of every token on every task
    • To make all attention computation independent of sequence length
    • To eliminate the need for any model evaluation
  6. How should Jamba's reported long-context memory benefit be evaluated for deployment?
    • Assume every 256K request fits any single GPU
    • Count only the recurrent state while ignoring weights and attention cache
    • Measure the actual model, precision, batch size, context, and hardware configuration
    • Treat every hybrid model as having zero sequence-state cost
  7. Does original Jamba's use of many Mamba layers make the whole model's sequence memory constant as input length grows?
    • Yes; every hybrid attention cache has a fixed one-token size
    • No; its retained attention layers still store a growing KV cache
    • Yes; model weights disappear once the sequence becomes long
    • Only the tokenizer's file size changes
  8. Why are total MoE parameters and active parameters per token different quantities in Jamba?
    • Every stored expert is necessarily deleted when inactive
    • A token must run all experts regardless of routing
    • The model's supported context directly sets its vocabulary size
    • Routing can activate only a subset of stored experts for each token