Викторина, связанная с руководством · Средний Уровень
Викторина по системам Церебрас
Объясняется интеграция в масштабе пластины, связь на пластине, резервирование и сведения о продуктах WSE-3 и CS-4 для конкретных версий.
Вопрос 1 из 8
Что необычного в конструкции пластинчатого двигателя Cerebras?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Что необычного в конструкции пластинчатого двигателя Cerebras?
- Это целый процессор, построенный на одной кремниевой пластине.
- Это самый маленький в мире чип искусственного интеллекта
- Он работает полностью без электричества
- Он сделан из пластика, а не из силикона.
- Почему размещение всех ядер на одной пластине повышает производительность ИИ?
- Это удешевляет доставку чипа.
- Данные передаются по быстрым внутренним проводам вместо медленных внешних сетей.
- Это устраняет необходимость в каком-либо программном обеспечении
- Это позволяет чипу плавать в жидкости.
- Сколько примерно транзисторов содержит WSE-3?
- Около 4 тысяч
- Около 4 миллионов
- Около 4 триллионов
- Около 4 соток
- What is one Cerebras system-level capability advertised for its CS-4 rack-scale system?
- It uses only a single CPU and no AI accelerator
- It replaces every model with a database
- It guarantees the same speedup on every workload
- It combines multiple wafer-scale processors in a rack-scale platform
- Как Cerebras справляется с производственными дефектами такого огромного чипа?
- Он использует резервные ядра и маршрутизацию для обхода дефектных мест.
- Он выбрасывает каждую пластину с любым дефектом.
- Он игнорирует дефекты и отправляет сломанные чипы.
- Он вручную ремонтирует каждый транзистор вручную.
- What are the WSE-3 specifications Cerebras reports in its product materials?
- Four billion transistors and 900 cores
- Four trillion transistors and about 900,000 AI-optimized cores
- One thousand transistors and one million CPU sockets
- A fixed count of parameters for every model
- How can a wafer-scale processor route around manufacturing defects?
- Assume every fabricated core is perfect
- Move all computation to a hard drive
- Use redundant cores and routing so defective regions can be bypassed
- Rebuild the silicon after deployment
- Why can on-wafer memory and communication benefit some AI workloads?
- They eliminate every computation bottleneck
- They make all models fit in one core
- They guarantee lower latency for every task
- They can reduce data movement between separately packaged processors and memory