Quiz połączony z przewodnikiem · Średni Poziom

Quiz rodzinny z modelem lamy

Przejrzyj wersje Llama o otwartej masie, pochodzenie modeli, dostrajanie instrukcji, wydajność wnioskowania i nowsze warianty multimodalne.

Powiązane ścieżki prowadząceRodzina modeli lamy
Pytanie 1 z 8

How does Meta describe access to Llama model weights, and what governs use?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. How does Meta describe access to Llama model weights, and what governs use?
    • Weights are publicly released for eligible versions, subject to each version’s license and use terms
    • Every version is public domain with unrestricted use
    • Only Meta employees can access any Llama weights
    • The weights are downloadable without any terms
  2. Co oznacza akronim „Lama”?
    • Uczenie się liniowe i architektura multimodalna
    • Model wielkojęzykowy Meta AI
    • Logika warstwowa i analiza maszynowa
    • Aplikacja do zarządzania językiem lokalnym
  3. Które wydanie Llamy jako pierwsze dodało licencję umożliwiającą szerokie wykorzystanie komercyjne?
    • Oryginalna Lama 1
    • Tylko Lama 405
    • Lama 2
    • Żaden z nich nie pozwala na wykorzystanie komercyjne
  4. Jaka architektura leży u podstaw modeli Lamy?
    • Splotowy klasyfikator obrazu
    • Zespół drzewa decyzyjnego
    • Powtarzająca się sieć bez uwagi
    • Transformator przeznaczony tylko do dekodera, przewidujący następny token
  5. W jaki sposób warianty „czatu” lub dostrojone do instrukcji Lamy są tworzone tak, aby podążały za monitami użytkownika?
    • Poprzez nadzorowane dostrajanie i uczenie się przez wzmacnianie na podstawie informacji zwrotnych od ludzi
    • Zwiększając rozdzielczość ekranu
    • Całkowicie usuwając model podstawowy
    • Tłumacząc najpierw wszystkie podpowiedzi na łacinę
  6. In what deployment setup can running Llama locally avoid sending prompts to a hosted inference service?
    • Whenever a model is downloaded, even when an app sends prompts to cloud tools
    • When inference runs on-device or on a private local server without a prompt-forwarding service
    • Only when the model is fine-tuned rather than used for inference
    • When the application stores prompts in a shared hosted API
  7. Which attention design did Meta adopt in Llama 3 8B and 70B to improve inference efficiency?
    • Residual vector quantization
    • Spatially-adaptive normalization
    • Grouped-query attention (GQA)
    • A recurrent state-space scan
  8. What inputs can Llama 3.2 Vision models accept?
    • Audio waveforms only
    • Video frames only, with no text
    • Sensor data without language or images
    • Text and images