Test de decodare speculativă

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Cum accelerează decodificarea speculativă generarea de la un model mare?
   • Un model de schiță mică ghicește mai multe simboluri pe care modelul mare le verifică în paralel
   • Comprimarea modelului la jumătate din dimensiunea sa permanent
   • Îndepărtarea mecanismului de atenție
   • Antrenarea modelului pe mai multe date
2. For a large model at low batch size, why can one-token autoregressive decoding be slow?
   • Each token requires internet access
   • Repeated reads of large model weights can make decoding memory-bandwidth bound
   • The model permanently stores a full copy of every possible output
   • The tokenizer performs the model’s matrix multiplications
3. In greedy speculative decoding, what happens at the first token where draft and target predictions disagree?
   • The whole conversation is thrown away and restarted from scratch
   • Proiectul de model este recalificat imediat
   • The matching prefix is kept, the target token is used at the mismatch, and later draft tokens are discarded
   • Calitatea ieșirii se degradează permanent
4. Under exact speculative sampling, how does the output distribution compare with sampling from the target model alone?
   • It is always lower quality but faster
   • It is identical only when the draft model is larger
   • It becomes deterministic regardless of target sampling
   • It is identical in distribution
5. Ce determină cel mai direct accelerarea de la decodarea speculativă?
   • Rata de acceptare a presupunerilor proiectului de model
   • Culoarea GPU-ului
   • Lungimea numelui modelului
   • Ora zilei
6. Ce au în comun Medusa și EAGLE ca abordări?
   • Au nevoie de hardware cuantic
   • Ele elimină necesitatea unui model de schiță independent separat
   • Ei șterg modelul țintă
   • Lucrează doar pe imagini
7. What should a serving team measure before claiming speculative decoding will speed up its workload?
   • Only the target model’s parameter count
   • Only whether the draft produces fluent text
   • Draft cost, target verification cost, accepted tokens and end-to-end latency under representative traffic
   • The number of tokenizer files
8. In exact speculative sampling, what happens when a proposed token is rejected?
   • The whole conversation is discarded
   • The target model is permanently changed
   • The rejected token is kept without verification
   • A correction step samples from the distribution needed to preserve the target model’s output distribution