Cerebras Sistemleri Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Cerebras Gofret Ölçekli Motorun tasarımında olağandışı olan şey nedir?
   • Tek bir tam silikon levha üzerine inşa edilmiş bütün bir işlemcidir
   • Dünyanın en küçük yapay zeka çipi
   • Tamamen elektriksiz çalışıyor
   • Silikon yerine plastikten yapılmıştır
2. Tüm çekirdekleri tek bir plaka üzerinde tutmak neden yapay zeka performansına yardımcı oluyor?
   • Çipin nakliyesini daha ucuz hale getiriyor
   • Veriler, yavaş harici ağ iletişimi yerine hızlı çip üzerindeki kablolar üzerinden taşınır
   • Herhangi bir yazılıma olan ihtiyacı ortadan kaldırır
   • Çipin sıvı içinde yüzmesini sağlar
3. WSE-3 kabaca kaç transistör içeriyor?
   • Yaklaşık 4 bin
   • Yaklaşık 4 milyon
   • Yaklaşık 4 trilyon
   • Yaklaşık 4 yüz
4. 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
5. Cerebras bu kadar büyük bir çipteki üretim kusurlarıyla nasıl başa çıkıyor?
   • Arızalı noktaları gidermek için yedek çekirdekler ve yönlendirme kullanır
   • Her gofreti herhangi bir kusuruyla çöpe atıyor
   • Kusurları göz ardı eder ve kırık talaşları gönderir
   • Her transistörü elle manuel olarak onarır
6. 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
7. 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
8. 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