Quiz: Módulo 12 - Futuro dos LLMs

Pergunta 1

O que o escalonamento Chinchilla demonstrou?

1. Modelos menores treinados com mais dados podem superar modelos maiores
2. Maior é sempre melhor
3. Dados não importam
4. O treinamento deve ser interrompido cedo

Pergunta 2

Qual é a razão ótima de tokens por parâmetro segundo Chinchilla?

1. ~20 tokens por parâmetro
2. 1 token por parâmetro
3. 100 tokens por parâmetro
4. 1000 tokens por parâmetro

Pergunta 3

O que é Mamba?

1. Selective State Space Model com complexidade linear
2. Nova variante de Transformer
3. Framework de treinamento
4. Conjunto de dados

Pergunta 4

Qual a complexidade da atenção padrão?

1. O(n²) no comprimento da sequência
2. O(n)
3. O(log n)
4. O(1)

Pergunta 5

Qual a complexidade dos SSMs?

1. O(n) linear
2. O(n²)
3. O(n³)
4. O(log n)

Pergunta 6

O que significa AGI?

1. Artificial General Intelligence
2. Advanced Generated Intelligence
3. Automated Global Intelligence
4. Artificial Gradient Intelligence

Pergunta 7

Com o que os LLMs atuais têm dificuldade?

1. Precisão factual confiável e raciocínio complexo
2. Geração de texto
3. Seguir instruções simples
4. Processamento de entrada

Pergunta 8

O que é RWKV?

1. Arquitetura que combina a eficiência de RNN com a qualidade de Transformer
2. Random Weight Key Value
3. Residual Weighted KV attention
4. Técnica de treinamento

Pergunta 9

Qual é uma direção provável para arquiteturas futuras?

1. Híbrida combinando atenção e camadas lineares
2. Retorno puro ao RNN
3. Nenhuma mudança em relação ao atual
4. Abandonar redes neurais

Pergunta 10

Qual é o desafio do aprendizado contínuo?

1. Atualizar o modelo sem esquecer conhecimentos anteriores
2. Duração do treinamento
3. Agendamento da taxa de aprendizado
4. Coleta de dados

Perguntas 11-30

(Abrangendo: eficiência de escalonamento, capacidades emergentes, saturação de benchmarks, restrições de dados, modelos de mundo, melhorias de raciocínio, segurança em escala, implicações econômicas, arquiteturas híbridas, tendências de computação, melhorias algorítmicas, planejamento em múltiplas etapas, aprendizado online, governança de IA, incertezas de cronograma)

Pergunta 11

O que é saturação de benchmark?

1. Modelos atingindo pontuações quase perfeitas, limitando a diferenciação
2. Benchmarks em excesso
3. Excesso de dados
4. Treinamento muito longo

Pergunta 12

O que é um modelo de mundo em IA?

1. Representação interna de como o mundo funciona
2. Modelo global de IA
3. Dados de mapas
4. Modelo de tradução

Pergunta 13

O que limita a disponibilidade de dados para treinamento?

1. Texto de alta qualidade é finito; qualidade importa mais que quantidade
2. Custos de armazenamento
3. Velocidade de processamento
4. Não existem limites

Pergunta 14

O que o chain-of-thought melhora?

1. Raciocínio em múltiplas etapas mostrando o processo
2. Velocidade de geração de texto
3. Uso de memória
4. Eficiência de treinamento

Pergunta 15

Qual é o desafio da segurança em escala?

1. Manter alinhamento à medida que as capacidades crescem
2. Segurança física
3. Segurança do servidor
4. Segurança de senhas

Pergunta 16

Qual o impacto econômico dos LLMs?

1. Grandes mudanças de produtividade em diversos setores
2. Nenhum impacto significativo
3. Apenas na indústria de tecnologia
4. Apenas em pesquisa

Pergunta 17

Sobre o que trata a lei de escalonamento de Kaplan?

1. Relação de potência entre tamanho do modelo e perda
2. Tempo de treinamento
3. Uso de memória
4. Custos de API

Pergunta 18

O que é uma capacidade emergente?

1. Habilidade que surge repentinamente em certo escalonamento
2. Funcionalidade projetada
3. Bug
4. Função de emergência

Pergunta 19

O que é treinamento compute-ótimo?

1. Melhor alocação de computação entre tamanho do modelo e dados
2. Treinamento mais rápido
3. Treinamento mais barato
4. Mais parâmetros

Pergunta 20

O que é governança de IA?

1. Políticas e regras para desenvolvimento e deploy de IA
2. IA se gerenciando sozinha
3. Uso de IA pelo governo
4. Estrutura corporativa

Pergunta 21

O que é aprendizado online?

1. Aprendizado contínuo a partir de novos dados sem re-treinamento completo
2. Cursos pela internet
3. Treinamento baseado na web
4. Jogos online

Pergunta 22

O que é seletivo no SSM seletivo do Mamba?

1. Parâmetros dependentes da entrada que selecionam informações relevantes
2. Seleção aleatória
3. Seleção do usuário
4. Seleção fixa

Pergunta 23

Por que os transformers podem persistir?

1. Bem compreendidos, otimizados e de alta qualidade
2. Sem alternativas
3. Opção mais barata
4. Arquitetura mais simples

Pergunta 24

O que é compreensão fundamentada?

1. Linguagem conectada ao conhecimento e percepção do mundo real
2. Aterramento elétrico
3. Conhecimento básico
4. Modelos foundation

Pergunta 25

Qual é o debate entre reconhecimento de padrões e compreensão?

1. Se os LLMs realmente compreendem ou apenas reconhecem padrões
2. Regex vs NLP
3. Algoritmos de busca
4. Reconhecimento de imagens

Pergunta 26

Qual tendência de computação permite modelos maiores?

1. Melhorias contínuas de hardware (GPUs, TPUs)
2. Apenas redução de custos
3. Apenas software
4. Sem tendência

Pergunta 27

O que é melhoria algorítmica?

1. Melhores métodos de treinamento alcançando os mesmos resultados com menos computação
2. Mais computação
3. Melhor hardware
4. Mais dados

Pergunta 28

Qual é o desafio do planejamento em múltiplas etapas?

1. LLMs têm dificuldade com planos coerentes de longo prazo
2. Etapas demais no treinamento
3. Problemas de agendamento
4. Limites de taxa de API

Pergunta 29

Qual é a transformação na educação trazida pelos LLMs?

1. Tutoria personalizada, avaliação alterada, novas habilidades necessárias
2. Sem mudança
3. Apenas aprendizado online
4. Menos educação necessária

Pergunta 30

Por que os cronogramas para AGI são incertos?

1. Requisitos desconhecidos e avanços imprevisíveis
2. Planejamento ruim
3. Falta de financiamento
4. Faltam pesquisadores

---

Parabéns!

Você concluiu todos os 12 quizzes dos módulos! 🎉

Nota de aprovação: 24/30 (80%)

← Capítulo 3Glossário →