اختبار مرتبط بالدليل · متوسط المستوى

مسابقة معمارية التشفير وفك التشفير

قم بمراجعة مكونات نموذج التشفير وفك التشفير والاهتمام من المصدر إلى الهدف واستخدامات النص إلى نص في مهام الترجمة واللغة.

مسارات الدليل ذات الصلةمعماريات فك التشفير
سؤال 1 من 8

ما هي الوظيفة الرئيسية لجهاز التشفير في نموذج التشفير وفك التشفير؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما هي الوظيفة الرئيسية لجهاز التشفير في نموذج التشفير وفك التشفير؟
    • لقراءة المدخلات وتحويلها إلى تمثيلات داخلية غنية
    • لتوليد الناتج رمز واحد في وقت واحد
    • لترتيب مخرجات المرشح حسب الاحتمالية
    • لتخزين بيانات التدريب الخاصة بالنموذج
  2. لماذا يستخدم جهاز فك التشفير الاهتمام الذاتي المقنع (السببي)؟
    • لإخفاء المدخلات من التشفير
    • لمنع كل منصب من رؤية الرموز المستقبلية أثناء الإنشاء
    • لضغط الإخراج إلى عدد أقل من الرموز
    • لإسقاط الرموز بشكل عشوائي للتسوية
  3. ما هي الآلية التي تربط وحدة فك التشفير بتمثيلات جهاز التشفير؟
    • التسرب
    • التطبيع دفعة
    • الاهتمام المتبادل
    • الترميز الموضعي
  4. أي من هذه النماذج يمثل بنية التشفير وفك التشفير (تسلسل إلى تسلسل)؟
    • جي بي تي-3
    • بيرت
    • Word2Vec
    • T5
  5. لماذا يعتبر تصميم التشفير وفك التشفير مناسبًا بشكل طبيعي للترجمة؟
    • لأن المدخلات والمخرجات عبارة عن تسلسلات مختلفة، مما يتطلب الفهم الكامل ثم التوليد الجديد
    • لأن المدخلات والمخرجات دائما بنفس الطول
    • لأنه لا يحتاج أبدًا إلى إنشاء نص جديد
    • لأنه يتجنب استخدام الاهتمام تماما
  6. In the original Transformer architecture, what attention does the encoder use over its input sequence?
    • Causal attention that hides all earlier source tokens
    • Bidirectional self-attention over the full source sequence
    • Cross-attention only to an image sequence
    • No attention mechanism
  7. What training objective does BART use for pretraining?
    • It predicts only the next pixel in an image
    • It classifies each word into a fixed sentiment label
    • It corrupts text and trains a sequence-to-sequence denoising model to reconstruct the original
    • It performs speech recognition from raw audio
  8. How does T5 frame many NLP tasks for one encoder-decoder model?
    • As image classification with a shared label set
    • As speech waveforms with no text tokens
    • As separate model architectures for each task
    • As text-to-text inputs and outputs with task descriptions in the input text