테스트 시간 컴퓨팅 확장 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. '테스트 시간 계산'이란 무엇을 의미하나요?
   • 데이터에 대한 모델 학습에 사용된 계산
   • 모델을 다운로드하는 데 걸리는 시간
   • 모델이 추론 시 쿼리에 응답할 때 사용되는 계산
   • 데이터 센터 냉각에 사용되는 전기
2. In test-time scaling studies, what can extra inference compute be used for?
   • Changing the model’s training data during the request
   • Increasing the number of model parameters automatically
   • Guaranteeing correctness without evaluation
   • Searching or revising candidate solutions and checking their quality
3. 테스트 시간 컴퓨팅 확장의 핵심 균형은 무엇입니까?
   • 더 많은 지연 시간과 비용을 대가로 더 높은 정확도를 제공합니다.
   • 메모리는 적지만 훈련 속도는 느림
   • 데이터는 많지만 모델은 더 작음
   • 더 낮은 해상도를 위한 더 나은 그래픽
4. 'N개 최고' 샘플링이란 무엇입니까?
   • N개의 가장 큰 데이터 세트에 대한 교육
   • N개의 후보 답변 생성 및 가장 좋은 답변 선택
   • 프롬프트의 처음 N 단어만 사용
   • 속도를 위해 N개의 다른 컴퓨터에서 모델 실행
5. 테스트 시간 컴퓨팅이 새로운 '크기 조정 축'으로 간주되는 이유는 무엇입니까?
   • 이는 모든 교육의 필요성을 대체합니다.
   • 작은 모델에서만 작동합니다.
   • 모델 크기만 늘리는 것이 아니라 추론 컴퓨팅을 추가하여 성능을 향상시킵니다.
   • 모델이 서비스를 제공할 수 있는 사용자 수를 줄입니다.
6. 테스트 시간 컴퓨팅은 어떤 놀라운 결과를 가능하게 합니까?
   • GPU 없이도 모델을 실행할 수 있습니다.
   • 학습 데이터가 불필요해짐
   • 모델은 항상 더 빠르게 응답합니다.
   • 더 오래 생각하는 작은 모델은 즉시 응답하는 훨씬 더 큰 모델과 경쟁할 수 있습니다.
7. What is one reason a fixed best-of-N strategy may waste inference compute?
   • It spends the same candidate budget on easy and difficult prompts
   • It modifies model weights on every query
   • It cannot generate multiple candidates
   • It eliminates the need for scoring
8. What did the test-time compute paper compare with best-of-N sampling?
   • A strategy that disables inference
   • A compute-optimal strategy that allocates effort based on expected solution quality
   • A larger tokenizer vocabulary
   • A method that changes image resolution