Questionário sobre incorporações de posições rotativas

As respostas e explicações aparecem conforme você responde ao teste.

1. Como o RoPE injeta informações de posição em um transformador?
   • Girando pares de dimensões na consulta e nos vetores principais em um ângulo dependente da posição
   • Adicionando um vetor fixo aos embeddings de entrada
   • Reordenando os tokens aleatoriamente
   • Anexando o número da posição como texto
2. Após a aplicação do RoPE, a pontuação de atenção entre dois tokens depende principalmente de:
   • Suas posições absolutas apenas
   • Sua distância relativa (m menos n)
   • O tamanho do vocabulário
   • O tamanho do lote
3. What training-efficiency comparison did the YaRN paper report for context extension?
   • Exactly the same data and steps as all prior methods
   • No fine-tuning or training data of any kind
   • About 10x fewer tokens and 2.5x fewer training steps than prior methods
   • A fixed 100x increase in output tokens
4. Por que pares de dimensões diferentes giram em frequências diferentes no RoPE?
   • Para economizar memória pulando algumas dimensões
   • Para randomizar as saídas do modelo
   • Porque todos os pares devem usar o mesmo ângulo
   • Para capturar tanto a ordem local quanto a posição de longo alcance
5. What is the goal of techniques such as Position Interpolation and YaRN for RoPE-based models?
   • Extend the usable context length beyond the original training window using additional scaling/fine-tuning methods
   • Guarantee accurate recall at any sequence length with no evaluation
   • Remove position information from attention
   • Replace all token embeddings with absolute learned vectors
6. Does standard RoPE require learned absolute-position vectors to inject position into query and key representations?
   • Yes; it adds one learned vector for every possible sequence position
   • No; it applies position-dependent rotations to paired query/key dimensions
   • It removes query and key vectors entirely
   • It only adds position to value vectors
7. What does standard RoPE alone guarantee about a model’s context length?
   • Unlimited accurate context at every position
   • A fixed context of exactly 128 tokens
   • It does not by itself guarantee reliable use beyond the trained context length
   • Removal of the attention mechanism
8. What extended context length did the Position Interpolation paper report for its LLaMA evaluations?
   • Exactly 1,000 tokens with no position changes
   • Unlimited context with no fine-tuning
   • Up to 2 million tokens for all models
   • Up to 32,768 tokens with minimal fine-tuning