Викторина по спекулятивному декодированию

Ответы и пояснения появляются по мере прохождения теста.

1. Как спекулятивное декодирование ускоряет создание большой модели?
   • Небольшая черновая модель угадывает несколько токенов, которые большая модель проверяет параллельно.
   • Постоянное сжатие модели до половины ее размера.
   • Удаление механизма внимания
   • Обучение модели на большем количестве данных
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
   • Эскиз модели немедленно переобучается
   • The matching prefix is kept, the target token is used at the mismatch, and later draft tokens are discarded
   • Качество вывода постоянно ухудшается
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. Что наиболее непосредственно определяет ускорение от спекулятивного декодирования?
   • Уровень принятия догадок проекта модели
   • Цвет графического процессора
   • Длина названия модели
   • Время суток
6. Что общего у Medusa и EAGLE в подходах?
   • Им требуется квантовое оборудование
   • Они устраняют необходимость в отдельной автономной черновой модели.
   • Они удаляют целевую модель
   • Они работают только с изображениями
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