Parti Pathways 자기회귀 이미징 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. Parti는 어떻게 이미지를 생성합니까?
   • 여러 단계에 걸쳐 무작위 소음을 제거함으로써
   • 문장을 쓰는 것처럼 한 번에 하나의 이미지 토큰을 예측함으로써
   • 스톡 사진을 함께 연결하여
   • 벡터 경로를 그려서
2. Parti는 텍스트를 이미지로 변환하는 작업에 어떤 전체적인 프레임을 사용합니까?
   • 클러스터링 문제
   • 강화 학습 게임
   • 가장 가까운 이웃 조회
   • 시퀀스 간 번역 문제
3. What did the Parti researchers observe when comparing their model scales up to 20 billion parameters?
   • Consistent quality improvements in their reported evaluations
   • A proof that every larger image model always answers every prompt correctly
   • Identical outputs and quality at every model scale
   • An elimination of every counting and spelling error
4. 이미지를 Parti의 개별 토큰으로 변환하는 것은 무엇입니까?
   • 스프레드시트
   • 확산 U-Net
   • ViT-VQGAN 토크나이저
   • 음성 인식기
5. What generation dependency creates sequential decoding work in Parti?
   • Every pixel must be manually drawn by the user
   • The text encoder can only read a grayscale image
   • The tokenizer requires an AIS position message
   • Each new image-token prediction depends on the previously generated token prefix
6. PartiPrompts란 무엇입니까?
   • 음악 데이터세트
   • 1,600개 이상의 까다로운 텍스트 프롬프트에 대한 벤치마크
   • 사진 편집 앱
   • GPU의 일종
7. In Parti, what turns the generated visual-token sequence into image pixels?
   • The PartiPrompts category label alone
   • The user's text file extension
   • The image tokenizer's decoder
   • A fixed list of object names
8. Does original Parti's reported scaling improvement establish perfect counting or spelling on every prompt?
   • No; the paper also documents prompt-dependent failures and inconsistencies
   • Yes; the largest scale guarantees exact counts for every scene
   • Yes; a benchmark removes all spelling errors by definition
   • Only if the prompt has no text