اختبار مرتبط بالدليل · صعب المستوى
Meta- اختبار التعلم
راجع كيفية تدريب التعلم التلوي عبر المهام، وكيف يتكيف MAML مع تهيئة النموذج، وكيف تصنف أساليب النماذج الأولية الأمثلة القليلة.
سؤال 1 من 8
ما الذي يهدف التعلم التلوي أو "تعلم التعلم" في المقام الأول إلى تحقيقه؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما الذي يهدف التعلم التلوي أو "تعلم التعلم" في المقام الأول إلى تحقيقه؟
- التكيف السريع مع المهام الجديدة من خلال أمثلة قليلة
- حفظ مجموعة بيانات عملاقة واحدة
- القضاء على الحاجة إلى أي تدريب
- ضغط النماذج إلى حجم صفر
- أثناء التدريب التلوي، كيف يتم تنظيم البيانات عادةً؟
- كمهمة واحدة دون أي انقسامات
- العديد من المهام، ولكل منها مجموعة دعم ومجموعة استعلام
- كما تكررت صورة واحدة
- كضوضاء غير مسماة فقط
- ماذا يتعلم MAML؟
- مصنف ثابت لا يتغير أبدًا
- مجموعة بيانات من السلبيات
- تهيئة النموذج التي يمكن ضبطها بدقة للمهام الجديدة في بضع خطوات
- برنامج ترميز الضغط
- كيف تقوم الشبكات النموذجية بتصنيف الأمثلة الجديدة؟
- من خلال توليد صور جديدة
- عن طريق حفظ قيم البكسل
- عن طريق التخمين العشوائي
- من خلال مقارنتها بالنماذج الأولية للفصل الدراسي في مساحة التضمين
- ما هو دور حلقة MAML الداخلية؟
- لتكييف النموذج مع مهمة محددة من خلال بضع خطوات متدرجة
- لخلط مجموعة البيانات
- لحذف المعلمات
- لضبط معدل التعلم على الصفر
- How does GPT-3 perform the few-shot demonstrations in the cited paper?
- بتحديث جميع أوزان النموذج بعد كل مثال
- بإدراج الأمثلة في الموجه دون تحديثات التدرج أو الضبط الدقيق
- بتخزين نموذج أولي واحد لكل فئة
- بتشغيل حلقة MAML الداخلية أثناء الاستدلال
- في Reptile، كيف يتم تحديث التهيئة الأولية بعد التكيف على مهمة مُعينة؟
- استبدال النموذج بجدول أقرب جار
- متوسط تسميات الفئات دون تحديث المعلمات
- تحريك التهيئة نحو المعلمات المتكيفة مع المهمة
- تدريب نموذج منفصل لكل مثال
- ما هو الاختصار الحسابي الذي يميز Reptile عن صيغة MAML من الدرجة الثانية؟
- لا يتطلب خطوات تدرجية
- يخزن فقط نماذج أولية للفئات
- يتدرب دون مهام أو بيانات خاصة بالمهمة
- يمكنه استخدام تحديث من الدرجة الأولى دون حساب مشتقات من الدرجة الثانية