Quiz dotyczący łączenia modeli ewolucyjnych Sakana AI

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Co właściwie daje łączenie modeli ewolucyjnych Sakana AI?
   • Wykorzystuje wyszukiwanie ewolucyjne do łączenia istniejących, wstępnie wytrenowanych modeli w nowe
   • Uczy każdy nowy model od podstaw na surowym tekście
   • Usuwa losowo wagi złych modeli
   • Dostraja tylko pojedynczy model z większą ilością danych
2. Kto jest godnym uwagi współzałożycielem Sakana AI?
   • Wynalazca GPU
   • Współautor oryginalnej pracy o Transformatorze, Llion Jones
   • Były prezydent kraju
   • Twórca Linuksa
3. Co oznacza i odzwierciedla imię „Sakana”?
   • „Góra”, odzwierciedlająca rozmiar
   • „Ogień” odzwierciedlający prędkość
   • „Ryba” po japońsku, odzwierciedlająca sztuczną inteligencję inspirowaną zbiorowym rojem
   • „Chmura” odzwierciedlająca centra danych
4. Sakana ewoluuje, łącząc modele w jakich dwóch przestrzeniach?
   • Tylko audio i wideo
   • Licencje na sprzęt i oprogramowanie
   • Marketing i sprzedaż
   • Przestrzeń parametrów i przestrzeń przepływu danych (układu warstw).
5. What can reusing pretrained weights avoid in an evolutionary model-merging project?
   • Training a new base model from scratch
   • All compute for search and evaluation
   • The need to check model compatibility
   • Testing on a benchmark task
6. Oprócz łączenia modeli, jaki ambitny system wprowadził Sakana?
   • Aplikacja społecznościowa
   • „AI Scientist”, którego celem jest automatyzacja badań
   • Konsola do gier wideo
   • Nowy język programowania
7. How does the evolutionary search compare candidate model-merging recipes?
   • It chooses the recipe with the longest name
   • It selects candidates without running any evaluation
   • It evaluates them on task-specific benchmarks and uses scores to guide later candidates
   • It always keeps the first combination it tries
8. What is an important limitation when interpreting a merged model’s benchmark score?
   • It proves the model has no inherited limitations
   • It guarantees equal performance on every language
   • It means no evaluation data was used
   • The score reflects the evaluated tasks and setup, not guaranteed performance everywhere