Вікторина, пов’язана з посібником · Середній Рівень

Сімейна вікторина моделі лами

Перегляньте відкриті випуски Llama, лінійку моделей, налаштування інструкцій, ефективність висновків і нові мультимодальні варіанти.

Пов'язані напрямні шляхиМодель сім'ї лами
Питання 1 з 8

How does Meta describe access to Llama model weights, and what governs use?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. How does Meta describe access to Llama model weights, and what governs use?
    • Weights are publicly released for eligible versions, subject to each version’s license and use terms
    • Every version is public domain with unrestricted use
    • Only Meta employees can access any Llama weights
    • The weights are downloadable without any terms
  2. Що означає абревіатура «лама»?
    • Лінійне навчання та мультимодальна архітектура
    • Велика мовна модель Meta AI
    • Багатошарова логіка та машинний аналіз
    • Програма керування місцевою мовою
  3. Який випуск Llama вперше додав ліцензію на широке комерційне використання?
    • Оригінальна Лама 1
    • Тільки Llama 405
    • Лама 2
    • Жоден із них не дозволяє комерційне використання
  4. Яка архітектура лежить в основі моделей Llama?
    • Згортковий класифікатор зображень
    • Ансамбль дерева рішень
    • Повторювана мережа без уваги
    • Трансформатор лише для декодера, що передбачає наступний маркер
  5. Як «чат» Llama або варіанти, налаштовані на інструкції, виконуються підказками користувача?
    • Завдяки контрольованому тонкому налаштуванню та посиленню навчання на основі відгуків людини
    • За рахунок збільшення роздільної здатності екрана
    • Повністю видаливши базову модель
    • Спочатку перекладаючи всі підказки латиницею
  6. In what deployment setup can running Llama locally avoid sending prompts to a hosted inference service?
    • Whenever a model is downloaded, even when an app sends prompts to cloud tools
    • When inference runs on-device or on a private local server without a prompt-forwarding service
    • Only when the model is fine-tuned rather than used for inference
    • When the application stores prompts in a shared hosted API
  7. Which attention design did Meta adopt in Llama 3 8B and 70B to improve inference efficiency?
    • Residual vector quantization
    • Spatially-adaptive normalization
    • Grouped-query attention (GQA)
    • A recurrent state-space scan
  8. What inputs can Llama 3.2 Vision models accept?
    • Audio waveforms only
    • Video frames only, with no text
    • Sensor data without language or images
    • Text and images