উপসর্গ টিউনিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. উপসর্গ টিউনিং আসলে কি প্রশিক্ষণ দেয়?
   • মডেলের সব ট্রান্সফরমারের ওজন
   • শুধুমাত্র মডেলের আউটপুট শব্দভান্ডার স্তর
   • প্রতিটি কাজের জন্য মডেলের একটি পৃথক অনুলিপি
   • মডেলটি হিমায়িত থাকার সময় অবিচ্ছিন্ন উপসর্গ ভেক্টরের একটি ছোট সেট
2. উপসর্গ ভেক্টর কোথায় ইনজেক্ট করা হয়?
   • প্রতিটি মনোযোগ স্তরে কী এবং মান মধ্যে
   • শুধুমাত্র চূড়ান্ত আউটপুট স্তর এ
   • শুধুমাত্র ক্ষতি ফাংশন মধ্যে
   • এম্বেড করার আগে টোকেনাইজারে প্রবেশ করুন
3. উপসর্গ টিউনিং কে চালু করেন এবং মোটামুটি কখন?
   • 2018 সালে OpenAI
   • 2021 সালে স্ট্যানফোর্ডে লি এবং লিয়াং
   • 2015 সালে Google
   • 2023 সালে Meta
4. উপসর্গ টিউনিং কেন অনেক কাজের জন্য আকর্ষণীয়?
   • এটির জন্য কোনও প্রশিক্ষণ ডেটার প্রয়োজন নেই
   • এটি কোন হার্ডওয়্যারে অনুমান চালায়
   • প্রতিটি কাজ একটি সম্পূর্ণ মডেল অনুলিপি পরিবর্তে শুধুমাত্র একটি ক্ষুদ্র উপসর্গ প্রয়োজন
   • এটি স্থায়ীভাবে সমস্ত কাজের জন্য একযোগে বেস মডেল পুনর্লিখন করে
5. উপসর্গ প্রশিক্ষণ স্থিতিশীল করতে প্রায়ই কোন কৌশল ব্যবহার করা হয়?
   • প্রতি ধাপে শেখার হার দ্বিগুণ করা
   • উপসর্গ হিমায়িত এবং মডেল প্রশিক্ষণ
   • সমস্ত মনোযোগ স্তর অপসারণ
   • একটি ছোট ফিড-ফরোয়ার্ড নেটওয়ার্কের মাধ্যমে উপসর্গটিকে পুনরায় প্যারামিটারাইজ করা যা পরে বাতিল করা হয়
6. কোন ধরনের টাস্কে উপসর্গ টিউনিং বিশেষভাবে জ্বলজ্বল করে?
   • টেবিল-টু-টেক্সট এবং সারাংশের মতো প্রাকৃতিক ভাষা তৈরি করা
   • চিত্র শ্রেণীবিভাগ
   • অডিও ওয়েভফর্ম সংশ্লেষণ
   • ডাটাবেস ইনডেক্সিং
7. What proportion of model parameters did the original prefix-tuning paper report learning in its experiments?
   • About 10%
   • About 0.1%
   • প্রায় ৫০%
   • 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