แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบโมเดลเหยี่ยว

ตรวจสอบนักพัฒนาของ Falcon, RefinedWeb, ความสนใจแบบหลายแบบสอบถาม, ตัวแปร Mamba และบทบาทของความพยายามในการสร้างแบบจำลองรากฐานอธิปไตย

เส้นทางแนะนำที่เกี่ยวข้องโมเดลเหยี่ยว
คำถาม 1 ของ 8

องค์กรใดที่พัฒนาโมเดล Falcon?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. องค์กรใดที่พัฒนาโมเดล Falcon?
    • สถาบันนวัตกรรมเทคโนโลยี (TII) ในอาบูดาบี
    • การเริ่มต้นของ Silicon Valley
    • สถาบันวิทยาศาสตร์จีน
    • สมาคมมหาวิทยาลัยในยุโรป
  2. สิ่งที่น่าทึ่งเกี่ยวกับชุดข้อมูล RefinedWeb ที่ใช้ในการฝึกโมเดล Falcon รุ่นแรกๆ คืออะไร
    • มันมีขนาดเล็กและเขียนด้วยลายมือ
    • สร้างขึ้นโดยการกรองและขจัดข้อมูลซ้ำซ้อนของเว็บอย่างจริงจัง แทนที่จะอาศัยแหล่งที่มาที่ได้รับการดูแลจัดการ
    • มันมีเพียงภาพเท่านั้น
    • มันเป็นการสังเคราะห์ทั้งหมด
  3. โมเดลหม้อแปลง Falcon ใช้เทคนิคความสนใจแบบใดเพื่อประหยัดหน่วยความจำในการอนุมาน
    • ไม่มีความสนใจเลย
    • เฉพาะความสนใจกำลังสองเต็มเท่านั้น
    • ความสนใจหลายแบบสอบถาม
    • ความสนใจแบบสุ่ม
  4. Falcon Mamba แตกต่างทางสถาปัตยกรรมจากรุ่น Falcon มาตรฐานอย่างไร
    • เป็นหม้อแปลงที่มีชั้นมากกว่า
    • มันไม่มีโครงข่ายประสาทเทียม
    • เป็นเพียงการจัดหมวดหมู่ภาพเท่านั้น
    • ใช้แบบจำลองพื้นที่รัฐแทนหม้อแปลงไฟฟ้า
  5. โดยทั่วไปแล้วรุ่น Falcon จะออกภายใต้เงื่อนไขประเภทใด?
    • เงื่อนไขการอนุญาตที่สนับสนุนการใช้งานเชิงพาณิชย์และการวิจัย
    • ปิดอย่างเข้มงวดและเป็นส่วนตัว
    • ให้บริการเฉพาะพลเมืองสหรัฐอาหรับเอมิเรตส์เท่านั้น
    • เป็น API แบบชำระเงินเท่านั้น
  6. Falcon มักถูกอ้างถึงเป็นตัวอย่างของแนวโน้มในวงกว้างข้อใด
    • การสิ้นสุดของ AI โอเพ่นซอร์ส
    • ประเทศต่างๆ สร้างแบบจำลองรากฐานอธิปไตยและพื้นบ้าน
    • โมเดลที่ทำงานแบบออฟไลน์เท่านั้น
    • แทนที่ GPU ทั้งหมดด้วย CPU
  7. In multi-query attention, what do multiple query heads share?
    • One shared query and separate keys for every token
    • The same final vocabulary logits
    • A single set of key and value projections
    • A single attention score for all layers
  8. What does Falcon’s RefinedWeb training data illustrate?
    • A state-space model needs no training text
    • All web pages are equally reliable without filtering
    • Synthetic data must always replace real text
    • A large web corpus can be filtered and deduplicated rather than relying only on curated sources