Gids-gekoppelde quiz · Middelmatig Niveau

Yi-modellen van 01.AI Quiz

Bekijk de oorsprong van de Yi-modelfamilie, de tweetalige focus, het ontwerp dat alleen op de decoder gebaseerd is, varianten met lange context en instructiegerichte post-training.

Gerelateerde gidspadenYi-modellen van 01 AI
Vraag 1 van 8

Wie heeft 01.AI opgericht, het bedrijf achter de Yi-modellen?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wie heeft 01.AI opgericht, het bedrijf achter de Yi-modellen?
    • Kai Fu Lee
    • Robin Li
    • Jack Ma
    • Andreas Ng
  2. Wat waren twee van de eerste Yi-basismodellen die werden uitgebracht?
    • Yi-1 en Yi-2
    • Yi-6B en Yi-34B
    • Yi-100 en Yi-200
    • Yi-Mini en Yi-Max
  3. Om welke mogelijkheden staan de Yi-modellen vooral bekend?
    • Alleen afbeeldingen genereren
    • Draait zonder enige GPU
    • Sterke tweetalige Chinees-Engelse prestaties
    • Alleen gesproken audio vertalen
  4. Welke basisarchitectuurlijn volgen de Yi-modellen?
    • Een terugkerend LSTM-ontwerp
    • Een diffusiemodel
    • Een puur encodermodel zoals BERT
    • De Llama-stijl decoder-only transformator
  5. Hoe lang is het contextvenster van de Yi-varianten met lange context ongeveer?
    • 200K-tokens
    • 4K-tokens
    • 32K-tokens
    • 1 miljoen tokens
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • AI volledig verlaten
    • Data quality resulting from data-engineering efforts
    • Alleen hardwarechips bouwen
    • Samenvoegen met OpenAI
  7. What does supervised fine-tuning plus reinforcement learning from human feedback aim to improve in Yi chat models?
    • Compressing retinal images
    • Changing the model into an encoder-only network
    • Following instructions in conversational use
    • Removing all text-generation ability
  8. What data strategy did 01.AI emphasize for the Yi models?
    • Training exclusively on synthetic audio
    • Avoiding all data filtering
    • Using only programming-language source code
    • Careful data quality and curation rather than relying only on sheer scale