মাস্কড ল্যাঙ্গুয়েজ মডেলিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. মুখোশযুক্ত ভাষা মডেলিং এর মূল প্রশিক্ষণ টাস্ক কি?
   • পারিপার্শ্বিক প্রসঙ্গ থেকে ইচ্ছাকৃতভাবে লুকানো শব্দ ভবিষ্যদ্বাণী করা
   • একটি বাক্যের পরে পরবর্তী শব্দের পূর্বাভাস
   • দুই ভাষার মধ্যে পাঠ্য অনুবাদ করা হচ্ছে
   • ব্যাকরণগত শুদ্ধতা দ্বারা র্যাঙ্কিং বাক্য
2. মোটামুটিভাবে কত শতাংশ টোকেন BERT সাধারণত প্রাক-প্রশিক্ষণের সময় মাস্ক করে?
   • প্রায় ৫০%
   • প্রায় 15%
   • প্রায় 1%
   • প্রায় 90%
3. কেন এমএলএম একটি মডেল দ্বিমুখী বোঝাপড়া দেয়?
   • এটি বাক্যগুলি পিছনের দিকে পড়ে
   • এটি দুটি পৃথক মডেল ব্যবহার করে
   • প্রতিটি টোকেন তার বাম এবং ডান উভয় শব্দে উপস্থিত থাকে
   • এটি শুধুমাত্র পূর্ববর্তী শব্দটি দেখে
4. BERT-এর মাস্কিং স্কিমে, [MASK] হওয়ার পরিবর্তে প্রায় 10% নির্বাচিত পদের কী হবে?
   • তারা সম্পূর্ণরূপে মুছে ফেলা হয়
   • তারা নকল হয়
   • তারা পুঁজি করা হয়
   • তারা একটি এলোমেলো শব্দ দিয়ে প্রতিস্থাপিত হয়
5. কোন পজিশনে এমএলএম ক্ষতি গণনা করা হয়?
   • শুধু মুখোশধারী অবস্থান
   • বাক্যে প্রতিটি টোকেন
   • শুধুমাত্র প্রথম এবং শেষ টোকেন
   • শুধুমাত্র যতিচিহ্ন টোকেন
6. পরবর্তী-টোকেন ভবিষ্যদ্বাণীর সাথে তুলনা করে, এমএলএম কি ব্যবসা করে?
   • প্রসঙ্গ ব্যবহার করার ক্ষমতা
   • বাম থেকে ডানে সাবলীল টেক্সট তৈরি করার ক্ষমতা
   • একটি শব্দভান্ডার অ্যাক্সেস
   • মনোযোগের ব্যবহার
7. How does RoBERTa’s dynamic masking differ from BERT’s original setup?
   • It masks only the first token of every sentence
   • It predicts future tokens with a causal decoder
   • The masked positions can be regenerated across training passes instead of remaining fixed
   • It replaces all masked tokens with random numbers
8. What auxiliary objective did the original BERT pretraining recipe combine with MLM?
   • Image patch reconstruction
   • Audio speaker diarization
   • A reward model for code generation
   • Next-sentence prediction