Тест із вбудованих позицій обертання

Відповіді та пояснення з’являються під час виконання тесту.

1. Як RoPE вводить інформацію про положення в трансформатор?
   • Обертаючи пари вимірів у запиті та ключових векторах на кут, що залежить від позиції
   • Додаючи фіксований вектор до вхідних вкладень
   • Переставляючи жетони випадковим чином
   • Додавши номер позиції як текст
2. Після застосування RoPE оцінка уваги між двома токенами залежить головним чином від:
   • Лише їх абсолютні позиції
   • Їх відносна відстань (m мінус n)
   • Розмір словникового запасу
   • Розмір партії
3. What training-efficiency comparison did the YaRN paper report for context extension?
   • Exactly the same data and steps as all prior methods
   • No fine-tuning or training data of any kind
   • About 10x fewer tokens and 2.5x fewer training steps than prior methods
   • A fixed 100x increase in output tokens
4. Чому різні пари розмірів обертаються з різною частотою в RoPE?
   • Щоб заощадити пам'ять, пропускаючи деякі розміри
   • Для рандомізації виходів моделі
   • Тому що всі пари повинні використовувати однаковий кут
   • Щоб захопити як точний місцевий порядок, так і дальню позицію
5. What is the goal of techniques such as Position Interpolation and YaRN for RoPE-based models?
   • Extend the usable context length beyond the original training window using additional scaling/fine-tuning methods
   • Guarantee accurate recall at any sequence length with no evaluation
   • Remove position information from attention
   • Replace all token embeddings with absolute learned vectors
6. Does standard RoPE require learned absolute-position vectors to inject position into query and key representations?
   • Yes; it adds one learned vector for every possible sequence position
   • No; it applies position-dependent rotations to paired query/key dimensions
   • It removes query and key vectors entirely
   • It only adds position to value vectors
7. What does standard RoPE alone guarantee about a model’s context length?
   • Unlimited accurate context at every position
   • A fixed context of exactly 128 tokens
   • It does not by itself guarantee reliable use beyond the trained context length
   • Removal of the attention mechanism
8. What extended context length did the Position Interpolation paper report for its LLaMA evaluations?
   • Exactly 1,000 tokens with no position changes
   • Unlimited context with no fine-tuning
   • Up to 2 million tokens for all models
   • Up to 32,768 tokens with minimal fine-tuning