اختبار مرتبط بالدليل · صعب المستوى

اختبار نمذجة التقليب XLNet

يتحقق من تحليل التبديل، والانتباه ثنائي المسار، وتكرار Transformer-XL، وكيف تعتمد مطالبات المعيار على إعدادات قابلة للمقارنة.

مسارات الدليل ذات الصلةنمذجة التقليب Xlnet
سؤال 1 من 8

ما هو هدف التدريب المسبق الذي يستخدمه XLNet؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما هو هدف التدريب المسبق الذي يستخدمه XLNet؟
    • نمذجة اللغة التقليب
    • نمذجة اللغة المقنعة
    • استبدال الكشف عن الرمز المميز
    • توقعات الجملة التالية
  2. ما هي نقاط ضعف BERT التي تم تصميم XLNet خصيصًا لمعالجتها؟
    • كان بيرت صغيرًا جدًا
    • يتسبب الرمز المميز [MASK] في عدم تطابق ما قبل التدريب/الضبط الدقيق ويفترض استقلال الرمز المميز المقنع
    • لم يتمكن بيرت من التعامل مع الجمل القصيرة
    • يفتقر BERT إلى الترميزات الموضعية
  3. ما الذي يفصل بين الاهتمام الذاتي ثنائي التدفق لـ XLNet؟
    • طبقات التشفير وفك التشفير
    • الرسوم البيانية للتدريب والاستدلال
    • دفق المحتوى ودفق الاستعلام
    • تضمين الرموز والجمل
  4. هل يقوم XLNet بخلط الكلمات فعليًا في الجملة؟
    • نعم، فهو يعيد ترتيب الرموز الفعلية بشكل عشوائي
    • نعم، ولكن فقط أثناء الضبط الدقيق
    • لا، لا يغير أي ترتيب على الإطلاق
    • لا، فهو يعدل ترتيب التحليل باستخدام أقنعة الانتباه مع الحفاظ على المواضع
  5. ما هي البنية التي تعمل بمثابة العمود الفقري لـ XLNet للسياق طويل المدى؟
    • محول-XL
    • LSTM
    • ترانسفورمر الفانيليا الأصلي
    • شبكة تلافيفية
  6. How does XLNet combine bidirectional context with autoregressive prediction?
    • It predicts all tokens independently with no attention mask
    • It predicts in sampled factorization orders without inserting a [MASK] input token, using attention masks
    • It physically shuffles the sentence before every prediction
    • It replaces autoregressive prediction with a denoising autoencoder
  7. For a token sequence A B C, suppose a sampled factorization order predicts C before A and B. What context is available when predicting C?
    • The tokens A and B must always be provided first
    • Only the next sentence is available
    • No earlier tokens in that sampled order, although C remains at its original input position
    • The input sequence is physically reordered to C A B
  8. How does XLNet prevent the target token from leaking into its own prediction query?
    • It removes the target from the entire training sequence
    • It uses the target’s label as an input embedding
    • It replaces the token with a [MASK] symbol
    • The query stream represents the target position without its token content