ইমিটেশন লার্নিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. অনুকরণ শেখার ক্ষেত্রে, একজন এজেন্ট কীভাবে তার আচরণ অর্জন করে?
   • বিশেষজ্ঞের প্রদর্শন অনুলিপি করে একটি নীতি শেখা
   • এলোমেলো অন্বেষণের মাধ্যমে একটি হাতে ডিজাইন করা পুরষ্কার সর্বাধিক করা
   • ছোট ডিভাইসে চালানোর জন্য একটি নিউরাল নেটওয়ার্ক কম্প্রেস করা
   • টেক্সট প্রম্পট থেকে ছবি তৈরি করা হচ্ছে
2. আচরণগত ক্লোনিং ফ্রেম অনুকরণ শেখার সমস্যা কোন ধরনের?
   • তত্ত্বাবধানহীন ক্লাস্টারিং
   • স্টেট-টু-অ্যাকশন ম্যাপিংয়ের তত্ত্বাবধানে শেখা
   • প্রতিপক্ষ প্রজন্ম
   • পুরস্কার গঠন
3. কোন সমস্যার কারণে আচরণগত ক্লোনিং দীর্ঘ অ্যাকশন সিকোয়েন্সে ব্যর্থ হয়?
   • পুরস্কার ফাংশন ওভারফিটিং
   • এনকোডারে গ্রেডিয়েন্ট অদৃশ্য হয়ে যাচ্ছে
   • বন্টন স্থানান্তর থেকে চক্রবৃদ্ধি ত্রুটি
   • পুরানো ক্লাসের সর্বনাশা ভুলে যাওয়া
4. ড্যাগার অ্যালগরিদম কীভাবে সেই দুর্বলতা মোকাবেলা করে?
   • সম্পূর্ণরূপে লুপ থেকে বিশেষজ্ঞ অপসারণ দ্বারা
   • ডিসকাউন্ট ফ্যাক্টর বাড়িয়ে
   • সমস্ত কর্মে র্যান্ডম শব্দ যোগ করে
   • রাজ্যের বিশেষজ্ঞকে জিজ্ঞাসা করে শিক্ষার্থী আসলে সেই ডেটা পরিদর্শন করে এবং একত্রিত করে
5. কেন ড্রাইভিং এর মত কাজের জন্য রিইনফোর্সমেন্ট শেখার চেয়ে অনুকরণ শেখার পছন্দ করা হয়?
   • একটি সঠিক পুরষ্কার ফাংশনের চেয়ে প্রদর্শনগুলি প্রদান করা সহজ
   • এটি সর্বোত্তম আচরণের নিশ্চয়তা দেয়
   • এটা কোন তথ্য প্রয়োজন হয় না
   • এটি শুধুমাত্র অনুমানে দ্রুত চলে
6. What is a realistic limitation of behavioral cloning when the agent reaches states outside the demonstrations?
   • It is guaranteed to improve beyond the expert
   • Its behavior is not guaranteed there because those states may be out of distribution
   • It can only produce random actions
   • It automatically queries an expert at every step
7. In one DAgger iteration, what does the learner do before requesting expert labels?
   • Deletes all earlier demonstrations
   • Trains only on randomly generated labels
   • Rolls out its current policy and records the states it actually visits
   • Replaces the expert policy permanently
8. After the expert labels the states visited by the current policy, what happens to that data?
   • It is used only as an evaluation metric
   • It replaces the original observation space
   • It is discarded after one gradient step
   • It is aggregated with previous labeled data for retraining