اختبار مرتبط بالدليل · متوسط المستوى
مسابقة ELMo للتضمين السياقي
راجع كيف يقوم نموذج اللغة ثنائي الاتجاه الخاص بـ ELMo بإنشاء متجهات كلمات حساسة للسياق ويجمع بين الطبقات المتكررة للمهام النهائية.
سؤال 1 من 8
ما هو الفرق الرئيسي بين ELMo والتضمينات السابقة مثل Word2Vec؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هو الفرق الرئيسي بين ELMo والتضمينات السابقة مثل Word2Vec؟
- يعطي ELMo نفس الكلمة نواقل مختلفة اعتمادًا على سياق الجملة الخاصة بها
- يستخدم ELMo ناقلات أصغر
- يعمل ELMo فقط على الكلمات المفردة، وليس الجمل
- لا يتطلب ELMo أي بيانات تدريب
- ما هي البنية العصبية التي يستخدمها ELMo لقراءة النص؟
- محول مع الاهتمام الذاتي
- نموذج لغة LSTM ثنائي الاتجاه عميق
- شبكة الصور التلافيفية
- شبكة تغذية بسيطة
- كيف تجمع ELMo بين طبقاتها الداخلية لمهمة لاحقة؟
- يستخدم فقط الطبقة العليا النهائية
- يقوم بتوسيط جميع الطبقات بالتساوي ويصلح النتيجة
- ويستخدم مجموعات مرجحة متعلمة ومحددة المهام من جميع الطبقات
- يختار طبقة واحدة بشكل عشوائي في كل مرة
- ما الذي يستخدمه ELMo كوحدات إدخال للتعامل مع الكلمات غير المرئية؟
- البحث عن الكلمة بأكملها فقط
- معرفات القاموس الثابتة
- الكلمات الفرعية المشفرة بالبايت من BERT
- تمثيلات CNN على مستوى الشخصية
- تقريبًا متى تم تقديم ELMo ومن قام به؟
- 2018، من قبل معهد ألين لباحثي الذكاء الاصطناعي
- 2013، بواسطة فريق Word2Vec التابع لـ Google
- 2020، بواسطة OpenAI
- 2015، بواسطة الفيسبوك AI
- Which corpus was used to train the bidirectional language model described in the ELMo paper?
- The One Billion Word Benchmark
- The Penn Treebank only
- A corpus of labeled images
- The GloVe Common Crawl vectors
- What language-model prediction does ELMo's forward LSTM learn?
- Predicting the previous word from future context
- Assigning a fixed vector to every document
- Predicting the next word from the preceding context
- Predicting a sentence's image resolution
- What linguistic information do ELMo's lower and higher LSTM layers tend to capture?
- Lower layers encode image color, while higher layers encode audio pitch
- Every layer stores only word frequency and ignores context
- Higher layers are always limited to punctuation prediction
- Lower layers tend toward syntax, while higher layers capture more context-dependent semantics