ایگل کوئز کے ساتھ قیاس آرائی پر مبنی ضابطہ کشائی

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

1. قیاس آرائی پر مبنی ضابطہ کشائی کے پیچھے بنیادی خیال کیا ہے؟
   • ایک سستا ڈرافٹر متعدد ٹوکن تجویز کرتا ہے جن کی توثیق بڑا ماڈل ایک متوازی پاس میں کرتا ہے۔
   • ماڈل کے وزن کو نصف درستگی تک سکیڑنا
   • بے ترتیب طور پر نیٹ ورک کی پرتوں کو چھوڑنا
   • ہر ممکنہ آؤٹ پٹ جملے کو پہلے سے کیش کرنا
2. EAGLE پہلے قیاس آرائی پر مبنی ضابطہ کشائی کے طریقوں سے کیسے مختلف ہے؟
   • یہ تصدیقی مرحلہ کو مکمل طور پر ہٹا دیتا ہے۔
   • یہ براہ راست ٹوکن کی سطح کے بجائے ماڈل کی پوشیدہ خصوصیت کی جگہ میں ڈرافٹ کرتا ہے۔
   • یہ ڈرافٹر کے طور پر ایک مکمل طور پر الگ، بڑے ماڈل کا استعمال کرتا ہے۔
   • یہ صرف تصویر بنانے کے لیے کام کرتا ہے۔
3. Why is speculative decoding considered lossless when implemented with exact verification?
   • Every draft token is accepted unconditionally
   • The drafter always predicts the target’s next token
   • The acceptance and correction procedure preserves the target model’s output distribution
   • The target model is never evaluated
4. ایگل کے فیچر ڈرافٹنگ میں پچھلے ٹوکن کی ایمبیڈنگ کو فیڈ بیک کرنے سے کون سا مسئلہ حل ہوتا ہے؟
   • GPU پر میموری کا ٹکڑا
   • ٹوکنائزر کی زبانوں کے درمیان مماثلت نہیں ہے۔
   • ہارڈ ویئر کا زیادہ گرم ہونا
   • اگلی خصوصیت کی پیشین گوئی کی غیر یقینی صورتحال/ابہام
5. EAGLE-2 نے اصل EAGLE پر کیا اضافہ کیا؟
   • ایک متحرک مسودہ کا درخت جو کہ کتنے امیدواروں کو تجویز کرنا ہے۔
   • ایک طے شدہ سنگل ٹوکن ڈرافٹ
   • ایل ایم کے سر کو ہٹانا
   • صرف دوگنا ڈیٹا پر تربیت
6. خود بخود رکاوٹ سادہ ایل ایل ایم جنریشن کو سست کیوں کرتی ہے؟
   • ماڈل ہر ٹوکن کے بعد خود کو دوبارہ تربیت دیتا ہے۔
   • اگلا شروع ہونے سے پہلے ہر نئے ٹوکن کو اربوں پیرامیٹرز سے مکمل فارورڈ پاس کی ضرورت ہوتی ہے۔
   • ٹوکن قدموں کے درمیان ڈسک پر محفوظ ہوتے ہیں۔
   • GPU کو فی ٹوکن ریبوٹ کرنا چاہیے۔
7. After EAGLE predicts a hidden-state feature, which component turns that feature into candidate token probabilities?
   • The tokenizer’s vocabulary file alone
   • The optimizer’s momentum buffer
   • The target model’s language-model head
   • The KV-cache allocator
8. What change does EAGLE-3 make to the original feature-drafting constraint?
   • It replaces the target model with a tokenizer
   • It disables target verification
   • It requires a separate human drafter
   • It removes a feature-prediction constraint to improve scaling