RWKV لکیری توجہ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. RWKV کی ہیڈ لائن پراپرٹی کیا ہے؟
   • یہ ٹرانسفارمر کی طرح ٹریننگ کرتا ہے لیکن آر این این کی طرح اندازہ چلاتا ہے۔
   • اس کی تربیت صرف تصاویر پر کی جا سکتی ہے۔
   • اس کے لیے ایک چوکور کلیدی قدر کیشے کی ضرورت ہے۔
   • اسے بالکل متوازی نہیں کیا جا سکتا
2. RWKV میں حروف کا کیا مطلب ہے؟
   • پڑھیں، لکھیں، رکھیں، تصدیق کریں۔
   • قبولیت، وزن، کلید، قدر
   • بار بار، چوڑا، دانا، ویکٹر
   • بے ترتیب، وزنی، علم، تغیر
3. نسل کے دوران RWKV میموری کو کیسے برقرار رکھتا ہے؟
   • ماڈل وزن کو حذف کرکے
   • ہر ٹوکن کو ڈسک پر محفوظ کرکے
   • بڑھتے ہوئے کیشے کے بجائے ایک چھوٹی مقررہ سائز کی پوشیدہ حالت کو آگے لے کر
   • آؤٹ پٹ کو دس ٹوکن تک محدود کرکے
4. وقت کے زوال کا وزن (W) کیا کردار ادا کرتا ہے؟
   • یہ سیکھنے کی شرح کا تعین کرتا ہے۔
   • یہ ٹوکن کی تعداد کو شمار کرتا ہے۔
   • یہ آؤٹ پٹ لینگویج چنتا ہے۔
   • یہ کنٹرول کرتا ہے کہ کتنی جلدی پرانی معلومات اپنا اثر کھو دیتی ہے۔
5. softmax توجہ کے مقابلے میں، RWKV کی لکیری توجہ کی تکرار کس چیز سے گریز کرتی ہے؟
   • چوکور تمام جوڑوں کا ٹوکن موازنہ
   • چابیاں اور اقدار کا کوئی بھی استعمال
   • ایمبیڈنگز کی ضرورت
   • اعصابی نیٹ ورک کا استعمال
6. RWKV خاص طور پر سٹریمنگ جنریشن کے لیے موزوں کیوں ہے؟
   • کیونکہ اسے کسی بھی آؤٹ پٹ سے پہلے پورا ان پٹ دیکھنا چاہیے۔
   • کیونکہ ہر نیا ٹوکن صرف پچھلی مقررہ سائز کی حالت پر منحصر ہے۔
   • کیونکہ یہ متن نہیں بنا سکتا
   • کیونکہ اسے ہر ٹوکن کے لیے ایک GPU کلسٹر کی ضرورت ہوتی ہے۔
7. In the guide’s RWKV description, what does the receptance gate control?
   • How many image patches are generated
   • The size of the model vocabulary
   • How much of the accumulated state is read out
   • The amount of GPU memory available
8. What training property does RWKV retain from Transformers?
   • Full quadratic key-value caching at inference
   • A separate generator and discriminator
   • A fixed top-k token router in every layer
   • Parallelizable training across sequence positions