Викторина, связанная с руководством · Жесткий Уровень
Викторина по слиянию эволюционных моделей Sakana AI
Узнайте, как эволюционный поиск исследует рецепты объединения предварительно обученных моделей и как Sakana AI применяет естественные методы для работы с моделями.
Вопрос 1 из 8
Что на самом деле дает объединение эволюционных моделей Sakana AI?
Предварительный просмотр каждого вопроса8 вопросы
Ответы и пояснения появляются по мере прохождения теста.
- Что на самом деле дает объединение эволюционных моделей Sakana AI?
- Использует эволюционный поиск для объединения существующих предварительно обученных моделей в новые.
- Обучает каждую новую модель с нуля на необработанном тексте.
- Случайным образом удаляет веса плохих моделей.
- Точная настройка только одной модели с большим количеством данных
- Кто является известным сооснователем Sakana AI?
- Изобретатель графического процессора
- Соавтор оригинальной статьи о Трансформере, Лион Джонс.
- Бывший президент страны
- Создатель Linux
- Что означает и отражает имя Сакана?
- «Гора», отражающая размер
- «Огонь», отражающий скорость
- «Рыба» на японском языке означает коллективный искусственный интеллект, вдохновленный роем.
- «Облако», обозначающее центры обработки данных.
- В каких двух пространствах Сакана разрабатывает модели слияния?
- Только аудио и видео
- Лицензии на оборудование и программное обеспечение
- Маркетинг и продажи
- Пространство параметров и пространство потока данных (расположение слоев)
- Что можно избежать, повторно используя предварительно обученные веса в проекте объединения эволюционных моделей?
- Training a new base model from scratch
- All compute for search and evaluation
- The need to check model compatibility
- Testing on a benchmark task
- Помимо слияния моделей, какую амбициозную систему представила Сакана?
- Приложение для социальных сетей
- «Ученый по искусственному интеллекту» нацелен на автоматизацию исследований
- Игровая консоль
- Новый язык программирования
- How does the evolutionary search compare candidate model-merging recipes?
- It chooses the recipe with the longest name
- It selects candidates without running any evaluation
- It evaluates them on task-specific benchmarks and uses scores to guide later candidates
- It always keeps the first combination it tries
- What is an important limitation when interpreting a merged model’s benchmark score?
- It proves the model has no inherited limitations
- It guarantees equal performance on every language
- It means no evaluation data was used
- The score reflects the evaluated tasks and setup, not guaranteed performance everywhere