Test legat de ghid · Mediu Nivel
BigScience și testul de model BLOOM
Examinați corpusul multilingv ROOTS al lui BLOOM, versiunea cu acces deschis, arhitectura numai pentru decodor și limbile reprezentate în formare.
Întrebare 1 de 8
Care a fost obiectivul distinctiv principal al modelului BLOOM în comparație cu modelele de dimensiuni similare ale vremii?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Care a fost obiectivul distinctiv principal al modelului BLOOM în comparație cu modelele de dimensiuni similare ale vremii?
- Fiind multilingv și eliberat în mod deschis
- Fiind cel mai rapid la inferență
- Fiind cel mai mic model posibil
- Fiind instruit doar pe cod de programare
- Aproximativ câți parametri are BLOOM?
- 7 miliarde
- 176 miliarde
- 70 de miliarde
- 540 miliarde
- Câte limbi naturale a fost instruit să se ocupe de BLOOM?
- 1
- 100
- 46
- 600
- Ce organizație a coordonat colaborarea BigScience?
- DeepMind
- Stability AI
- Anthropic
- Hugging Face
- Unde a fost antrenat BLOOM?
- Pe supercomputerul Jean Zay, finanțat din fonduri publice, din Franța
- Pe cloud privat GPU-uri închiriate de la o pornire
- Pe un cluster de laptopuri universitare
- Pe podurile TPU ale Google
- How does BLOOM’s ALiBi mechanism encode relative position?
- It removes attention and uses a convolutional decoder
- It adds distance-dependent biases to attention scores
- It inserts learned position vectors into every token embedding
- It stores position as a separate image channel
- How many programming languages were represented in BLOOM’s ROOTS corpus?
- 3 programming languages
- 46 programming languages
- 13 programming languages
- 130 programming languages
- What model architecture does the BLOOM paper describe?
- Un clasificator de imagini convoluționale
- A recurrent speech recognizer
- A diffusion model for audio
- A decoder-only Transformer