مسابقة التشفير التلقائي المتغير

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ماذا يفعل التشفير في إخراج VAE لمدخل معين؟
   • معلمات التوزيع الاحتمالي، مثل المتوسط والتباين
   • نقطة ثابتة واحدة في الفضاء الكامن
   • تسمية فئة
   • نسخة أعيد بناؤها من المدخلات
2. ما هو الغرض من خدعة إعادة المعلمة؟
   • لجعل وحدة فك التشفير أكبر
   • للسماح بتدفق التدرجات خلال خطوة أخذ العينات العشوائية
   • لإزالة الحاجة إلى وحدة فك التشفير
   • لضغط المساحة الكامنة بشكل أكبر
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. تسمى الوظيفة الموضوعية التي يقوم VAEs بتعظيمها أثناء التدريب بما يلي:
   • سقف الانتروبيا المتقاطعة
   • خسارة معادية
   • متوسط الهامش المربع
   • الحد الأدنى للأدلة (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. في نموذج الانتشار الكامن مثل Stable Diffusion، ما هو الدور الذي يلعبه VAE؟
   • يقوم بتسمية صور التدريب
   • فهو يضغط الصور إلى مساحة كامنة حيث يتم الانتشار، ثم يفك تشفيرها مرة أخرى إلى وحدات البكسل
   • فهو يحل محل برنامج تشفير النص
   • يقوم بجدولة مستويات الضوضاء
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)