Rehber bağlantılı sınav · Orta Seviye
EleutherAI Testi
EleutherAI'nin açık dil modellerini, Pile veri kümesini, değerlendirme araçlarını ve RoPE gibi pratik mimari seçeneklerini inceleyin.
Soru 1 arasında 8
How did EleutherAI first bring together its research community?
Her soruyu önizleyin8 sorular
Testi çözdüğünüzde cevaplar ve açıklamalar görünür.
- How did EleutherAI first bring together its research community?
- As a Discord server for discussing GPT-3 and open language modeling
- Silikon Vadisi'nde girişim fonlu bir girişim olarak
- Devlet araştırma laboratuvarı olarak
- As a university’s official AI department
- 'Yığın' nedir?
- Tescilli bir chatbot ürünü
- Dil modellerinin eğitimi için 825 GB'lık açık seçilmiş metin veri kümesi
- Bir tür sinir ağı katmanı
- EleutherAI'nin bulut bilişim platformu
- Bunlardan hangisi EleutherAI dil modelidir?
- BERT-Büyük
- LLaMA-2
- GPT-NeoX-20B
- PALM
- LM Değerlendirme Donanımı ne için kullanılır?
- Metinden görseller oluşturma
- Model ağırlıklarının sıkıştırılması
- Modelleri web API'leri olarak barındırma
- Birçok görevde dil modellerinin karşılaştırılması
- Which organizations are named in EleutherAI’s retrospective as research supporters?
- CoreWeave and Google TPU Research Cloud
- Nvidia and the National Science Foundation only
- The U.S. Department of Energy and NASA
- Amazon and the European Space Agency
- EleutherAI 2023'te hangi organizasyonel değişikliği yaptı?
- OpenAI tarafından satın alındı
- Kâr amacı gütmeyen bir araştırma enstitüsü olarak resmileşti
- Kâr amaçlı bir hedge fonu haline geldi
- Tamamen kapandı
- Which positional method does the GPT-NeoX-20B paper describe using instead of learned absolute position embeddings?
- A separate learned embedding for every document
- A convolutional image-position map
- Rotary Positional Embeddings (RoPE)
- A random position permutation at each layer
- What architectural arrangement is highlighted as a GPT-NeoX-20B difference from GPT-3?
- The model replaces its Transformer with a decision tree
- Every layer removes the attention mechanism
- It uses only an encoder and no autoregressive decoder
- Attention and feed-forward layers can be computed in parallel