اختبار ضبط البادئة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما الذي يتدرب عليه ضبط البادئة فعليًا؟
   • جميع أوزان المحولات الخاصة بالنموذج
   • فقط طبقة المفردات الناتجة للنموذج
   • نسخة منفصلة من النموذج لكل مهمة
   • مجموعة صغيرة من متجهات البادئة المستمرة بينما يظل النموذج مجمداً
2. أين يتم حقن ناقلات البادئة؟
   • في المفاتيح والقيم في كل طبقة اهتمام
   • فقط في طبقة الإخراج النهائية
   • في وظيفة الخسارة فقط
   • في الرمز المميز قبل التضمين
3. من الذي أدخل ضبط البادئة ومتى تقريبًا؟
   • OpenAI في عام 2018
   • لي وليانغ في جامعة ستانفورد في عام 2021
   • Google في عام 2015
   • Meta في عام 2023
4. لماذا يعد ضبط البادئة أمرًا جذابًا لخدمة العديد من المهام؟
   • لا يتطلب أي بيانات تدريب على الإطلاق
   • فهو يجعل الاستدلال يعمل على عدم وجود أجهزة
   • تحتاج كل مهمة إلى بادئة صغيرة فقط بدلاً من نسخة النموذج الكاملة
   • يقوم بإعادة كتابة النموذج الأساسي لجميع المهام في وقت واحد بشكل دائم
5. ما هي الحيلة التي تُستخدم غالبًا لتحقيق الاستقرار في تدريب البادئة؟
   • مضاعفة معدل التعلم في كل خطوة
   • تجميد البادئة وتدريب النموذج
   • إزالة كافة طبقات الاهتمام
   • إعادة ضبط البادئة من خلال شبكة تغذية أمامية صغيرة يتم تجاهلها لاحقًا
6. في أي نوع من المهام تألق ضبط البادئة بشكل خاص؟
   • توليد اللغة الطبيعية مثل تحويل الجدول إلى نص والتلخيص
   • تصنيف الصور
   • التوليف الموجي الصوتي
   • فهرسة قاعدة البيانات
7. What proportion of model parameters did the original prefix-tuning paper report learning in its experiments?
   • About 10%
   • About 0.1%
   • حوالي 50%
   • All model parameters
8. How did prefix-tuning perform in the paper’s low-data settings?
   • It always matched full fine-tuning on every task
   • It could not train with limited examples
   • It outperformed full fine-tuning in some evaluated low-data cases
   • It changed every backbone parameter