Gids-gekoppelde quiz · Middelmatig Niveau
Test-Time Compute Schalingsquiz
Beoordeel berekeningen op inferentie-tijd, kandidaatzoeken, adaptieve toewijzing en de kosten-latency afwegingen die zijn gemeten in test-time studies.
Vraag 1 van 8
Wat wordt bedoeld met 'testtijdberekening'?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat wordt bedoeld met 'testtijdberekening'?
- Er is rekenkracht besteed aan het trainen van het model op gegevens
- De tijd die nodig is om een model te downloaden
- Berekening die wordt besteed wanneer het model een vraag bij gevolgtrekking beantwoordt
- De elektriciteit die wordt gebruikt om datacenters te koelen
- 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
- Wat is de belangrijkste afweging bij het schalen van computertests?
- Hogere nauwkeurigheid in ruil voor meer latentie en kosten
- Minder geheugen maar langzamere training
- Meer gegevens maar kleinere modellen
- Betere graphics voor een lagere resolutie
- Wat is 'best-of-N'-steekproef?
- Training op de N grootste datasets
- N-kandidaatantwoorden genereren en de beste selecteren
- Alleen de eerste N woorden van een prompt gebruiken
- Voor snelheid wordt het model op N verschillende computers uitgevoerd
- Waarom wordt testtijdberekening beschouwd als een nieuwe 'schaalas'?
- Het vervangt de noodzaak van elke training
- Het werkt alleen op kleine modellen
- Het verbetert de prestaties door gevolgtrekkingsberekening toe te voegen in plaats van alleen maar de modelgrootte te vergroten
- Het vermindert het aantal gebruikers dat een model kan bedienen
- Welk verrassend resultaat maakt test-time computing mogelijk?
- Modellen kunnen zonder GPU's werken
- Trainingsgegevens worden overbodig
- Modellen antwoorden altijd sneller
- Een kleiner model dat langer nadenkt, kan wedijveren met een veel groter model dat onmiddellijk antwoordt
- 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
- 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