Викторина, связанная с руководством · Средний Уровень

Модели Yi от 01.AI Викторина

Ознакомьтесь с происхождением семейства моделей Yi, двуязычной ориентацией, дизайном только для декодера, вариантами с длинным контекстом и пост-обучением, ориентированным на инструкции.

Связанные направляющие путиМодели Yi от 01 AI
Вопрос 1 из 8

Кто основал 01.AI, компанию, производящую модели Yi?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Кто основал 01.AI, компанию, производящую модели Yi?
    • Кай-Фу Ли
    • Робин Ли
    • Джек Ма
    • Эндрю Нг
  2. Какие две из первых базовых моделей Yi были выпущены?
    • Йи-1 и Йи-2
    • Йи-6Б и Йи-34Б
    • Йи-100 и Йи-200
    • Йи-Мини и Йи-Макс
  3. Какими возможностями особенно известны модели Yi?
    • Генерация только изображений
    • Запуск без какого-либо графического процессора
    • Сильная двуязычная китайско-английская успеваемость
    • Перевод только разговорного звука
  4. Какой базовой архитектуре следуют модели Yi?
    • Рекуррентный дизайн LSTM
    • Диффузионная модель
    • Чистая модель кодера, такая как BERT
    • Трансформатор только для декодера в стиле Llama
  5. Какова примерно длина контекстного окна вариантов Yi с длинным контекстом?
    • 200 тыс. токенов
    • 4К жетоны
    • 32 тыс. токенов
    • 1 миллион токенов
  6. What did 01.AI’s Yi technical report identify as an important driver of model performance?
    • Полный отказ от искусственного интеллекта
    • Data quality resulting from data-engineering efforts
    • Только создание аппаратных чипов
    • Слияние с 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