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.

مسارات الدليل ذات الصلةإلمو التضمينات السياقية
سؤال 1 من 8

ما هو الفرق الرئيسي بين ELMo والتضمينات السابقة مثل Word2Vec؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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