Test legat de ghid · Mediu Nivel

Yi Models by 01.AI Test

Examinați originile familiei de modele Yi, concentrarea bilingvă, designul numai pentru decodor, variantele de context lung și post-formarea orientată spre instrucțiuni.

Căi de ghidare aferenteModele Yi de 01 AI
Întrebare 1 de 8

Cine a fondat 01.AI, compania din spatele modelelor Yi?

Previzualizează fiecare întrebare8 întrebări

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

  1. Cine a fondat 01.AI, compania din spatele modelelor Yi?
    • Kai-Fu Lee
    • Robin Li
    • Jack Ma
    • Andrei Ng
  2. Care au fost lansate două dintre primele modele de bază Yi?
    • Yi-1 și Yi-2
    • Yi-6B şi Yi-34B
    • Yi-100 și Yi-200
    • Yi-Mini și Yi-Max
  3. Pentru ce capacitate sunt deosebit de cunoscute modelele Yi?
    • Generarea doar de imagini
    • Rulează fără GPU
    • Performanță bilingvă puternică chineză-engleză
    • Traducerea doar audio vorbită
  4. Ce linie de arhitectură de bază urmează modelele Yi?
    • Un design LSTM recurent
    • Un model de difuzie
    • Un model de codificator pur ca BERT
    • Transformatorul în stil lamă numai pentru decodor
  5. Aproximativ cât de lungă este fereastra de context a variantelor Yi cu context lung?
    • 200.000 de jetoane
    • jetoane 4K
    • 32K jetoane
    • 1 milion de jetoane
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • Abandonând complet AI
    • Data quality resulting from data-engineering efforts
    • Construiește doar cipuri hardware
    • Fuzionarea cu OpenAI
  7. What does supervised fine-tuning plus reinforcement learning from human feedback aim to improve in Yi chat models?
    • Compressing retinal images
    • Changing the model into an encoder-only network
    • Following instructions in conversational use
    • Removing all text-generation ability
  8. What data strategy did 01.AI emphasize for the Yi models?
    • Training exclusively on synthetic audio
    • Avoiding all data filtering
    • Using only programming-language source code
    • Careful data quality and curation rather than relying only on sheer scale