ガイド連動クイズ · 中 レベル

マルチトークン予測トレーニングクイズ

DeepSeek-V3 の独特のシーケンシャル設計、オプションの推論ヘッド、ターゲット オフセットを使用して、マルチトークン損失と共有トランク ヘッドを確認します。

関連するガイドパスマルチトークン予測トレーニング
質問 1 の 8

In the cited Meta study, what architecture predicts several future tokens from a training position?

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. In the cited Meta study, what architecture predicts several future tokens from a training position?
    • A mandatory separate complete language model for every word
    • Independent output heads above a shared transformer trunk
    • One head that can target only the preceding token
    • A larger vocabulary with no additional prediction targets
  2. 事前トレーニングでマルチトークン予測目標を特に使用したモデルはどれですか?
    • オリジナルの Word2Vec
    • 畳み込み画像分類器
    • Nグラムモデル
    • DeepSeek-V3
  3. What additional supervision does multi-token training supply at a prefix position?
    • Loss terms for multiple future-token targets
    • Only a larger batch size with the same single target
    • A mandatory image-reconstruction target
    • No prediction loss at any position
  4. How are auxiliary predictions used in the Meta paper’s self-speculative inference experiment?
    • They are accepted unconditionally without verification
    • They automatically retrain the model on every prompt
    • They propose tokens that are then checked by the decoding procedure
    • They encrypt every generated token
  5. スピードアップが必要ない場合、トレーニング後に補助ヘッドはどうなりますか?
    • それらはそのままにして、モデルのサイズを 2 倍にする必要があります
    • これらは破棄できるため、デプロイメントのサイズは変更されません
    • 彼らは注目層に変わります
    • 彼らはトークナイザーになる
  6. Which evaluated task family showed notable gains in the Meta multi-token study?
    • Code generation benchmarks
    • A guarantee of perfect code compilation in every language
    • Only alphabetizing raw filenames
    • A required quantum-sensor prediction task
  7. In a four-head offset design predicting from prefix position t, which token is the fourth head’s target?
    • The token at t−4
    • The token at t+1 for every head
    • Only the token at t itself
    • The token at t+4
  8. What distinguishes DeepSeek-V3’s stated MTP architecture from the cited independent parallel-head implementation?
    • It predicts only tokens before the prefix
    • It requires every target to be an image pixel
    • Sequential auxiliary modules that preserve a causal chain across prediction depths
    • It removes the language-model output vocabulary