引導式測驗 · 中等 等級

駱駝模型家庭測驗

查看 Llama 的開放權重版本、模型譜系、指令調整、推理效率和更新的多模式變體。

相關引導路徑駱駝模型家庭
問題 1 的 8

Meta 如何描述對 Llama 模型權重的存取,以及使用受哪些規範約束?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. Meta 如何描述對 Llama 模型權重的存取,以及使用受哪些規範約束?
    • 權重對符合條件的版本公開釋出,受各版本授權與使用條款限制
    • 每個版本皆為公有領域,使用不受限制
    • 僅有 Meta 員工可存取任何 Llama 權重
    • 權重可下載且無任何條款限制
  2. 縮寫詞“Llama”代表什麼?
    • 線性學習和多模態架構
    • 大型語言模式 Meta AI
    • 分層邏輯與機器分析
    • 本地語言管理應用程式
  3. 哪個 Llama 版本首先添加了允許廣泛商業使用的許可證?
    • 原來的駱駝 1
    • 僅限美洲駝 405
    • 駱駝2
    • 它們都不允許商業用途
  4. Llama 模型的基礎架構是什麼?
    • 卷積影像分類器
    • 決策樹集成
    • 沒有註意力的循環網絡
    • 預測下一個標記的僅解碼器變壓器
  5. Llama 的「聊天」或指示調整變體是如何遵循使用者提示的?
    • 透過人類回饋的監督微調和強化學習
    • 透過提高螢幕分辨率
    • 透過完全刪除基礎模型
    • 首先將所有提示翻譯成拉丁語
  6. 在哪種部署設定下,執行 Llama 本地化可避免將提示送至托管推論服務?
    • 每當模型被下載時,即使應用程式將提示送至雲端工具
    • 當推論在裝置上或私有本地伺服器上執行,且沒有提示轉發服務時
    • 僅在模型被微調而非用於推論時
    • 當應用程式將提示存於共用托管 API 時
  7. Meta 在 Llama 3 8B 與 70B 中採用了哪種注意力設計以提升推論效率?
    • 殘差向量量化
    • 空間自適應正規化
    • 分組查詢注意力(GQA)
    • 一種遞迴狀態空間掃描
  8. Llama 3.2 Vision 模型可以接受哪些輸入?
    • 僅音訊波形
    • 僅影片畫面,無文字
    • 感測器資料,無語言或影像
    • 文字和图像