Закони масштабування для нейронних мереж Тест

Відповіді та пояснення з’являються під час виконання тесту.

1. What pattern did Kaplan et al. report for language-model loss as model size, data, or compute increased?
   • Approximate power-law relationships over the tested ranges
   • A sudden guaranteed drop to zero
   • A fixed increase in loss for every larger model
   • Random oscillation with no measurable trend
2. Які три величини оригінальні закони масштабування стосуються втрат?
   • Розмір партії, випадання та епохи
   • Параметри моделі, розмір набору даних і обчислення
   • Швидкість навчання, зниження ваги та глибина
   • Кількість GPU, пам'ять і затримка
3. How can a scaling-law fit help when planning a larger training run?
   • It guarantees the final benchmark score
   • It eliminates the need for validation
   • It can inform an extrapolation from smaller experiments, subject to the tested setup
   • It predicts results exactly for any dataset or architecture
4. Що означає постійний (незвідний) член у формулі втрат закону масштабування?
   • Помилка програмного забезпечення
   • Швидкість навчання
   • Кількість GPU
   • Внутрішня ентропія даних, яку не може перевершити жодна модель
5. Why can absolute loss reductions become smaller as compute keeps increasing under a power-law fit?
   • The reducible loss term shrinks while the loss approaches its floor
   • The data is removed after each compute increase
   • The model stops using parameters
   • Power laws require loss to increase over time
6. Яка тенденція виходить за рамки простого масштабування за принципом «чим більше, тим краще»?
   • Графічні процесори стають безкоштовними
   • Дефіцит високоякісних даних плюс обмеження на енергію та витрати
   • Відображення необмеженої кількості високоякісного тексту
   • Криві втрат, що переходять у прямі вертикальні лінії
7. What did the original Kaplan study say about architecture details such as width and depth within its tested range?
   • They always dominated model size, data, and compute
   • They made loss independent of data
   • They had relatively small effects compared with the studied scaling variables
   • They guaranteed the same performance for all architectures
8. What compute-allocation tendency did the original Kaplan paper report?
   • Every model should be trained to zero loss
   • Small models always use less compute at equal loss
   • Training data has no effect on compute allocation
   • Large models could be more sample-efficient and compute-efficient training could stop before convergence