مسابقة التعلم في السياق

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما الذي يتغير بشكل أساسي داخل النموذج أثناء التعلم في السياق؟
   • يتم تحديث أوزان النموذج من خلال بضع خطوات متدرجة
   • يتم تدريب طبقة محول صغيرة على الأمثلة
   • يحفظ النموذج المهمة الجديدة بشكل دائم
   • لا شيء في الأوزان يتغير؛ فقط الموجه هو الذي يوجه الإخراج
2. الموجه الذي يتضمن العديد من الأمثلة العملية قبل أن يتم استدعاء السؤال الحقيقي:
   • المطالبة بالطلقة الصفرية
   • مطالبة قليلة بالرصاص
   • ضبط دقيق
   • تعزيز التعلم
3. ما الذي يشير إليه التحسن الذي تم الإبلاغ عنه في GPT-3 في أداء اللقطات القليلة بالمقياس؟
   • A universal rule that all models below one hundred billion parameters cannot use examples
   • A requirement for internet access during every prompt
   • An observed trend for the evaluated models and tasks
   • A separate emergency training phase
4. كيف ينبغي أن تكون أبحاث الرأس التعريفي مرتبطة بالتعلم الواسع النطاق في السياق؟
   • As evidence about a studied mechanism, with limitations on broader conclusions
   • As proof that every task uses only one circuit
   • As a permanent database of every demonstration
   • As a replacement for all task evaluation
5. كيف يجب على التطبيق مقارنة المطالبة المتكررة باللقطات القليلة مع الضبط الدقيق؟
   • Assume fine-tuning is always the least expensive choice
   • Measure task quality and the relevant training, request, and maintenance costs
   • Assume adding unlimited prompt examples has no cost
   • Decide solely by which approach has the longer name
6. توضح مطالبة التذكرة القليلة اللقطات فقط ملصقات استرداد الأموال والفوترة. ماذا توفر هذه الأمثلة للتذكرة التالية؟
   • An automatic update to the model's stored weights
   • A guarantee that every next ticket fits one of the labels
   • A permanent change to all future conversations
   • An in-prompt task and label pattern that can guide classification
7. Why might the same few-shot classification examples produce different results after reordering?
   • The model can be sensitive to the order of examples in its context
   • Reordering automatically retrains every parameter
   • The label texts must disappear
   • The model's vocabulary changes with each permutation
8. What resource tradeoff arises when more demonstrations are added to an in-context prompt?
   • They use no input tokens because they are examples
   • They make the context limit disappear
   • They consume more supported context and per-request processing
   • They permanently reduce the model's parameter count