গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

সিকোয়েন্স-টু-সিকোয়েন্স মডেল কুইজ

কীভাবে এনকোডার-ডিকোডার মডেলগুলি মনোযোগ এবং ক্রস-অ্যাটেনশন মেকানিজম ব্যবহার করে বিভিন্ন দৈর্ঘ্যের আউটপুটগুলিতে ইনপুট সিকোয়েন্স ম্যাপ করে তা শিখুন।

প্রশ্ন 1 এর 8

একটি সিকোয়েন্স-টু-সিকোয়েন্স মডেলের দুটি প্রধান উপাদান কী কী?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. একটি সিকোয়েন্স-টু-সিকোয়েন্স মডেলের দুটি প্রধান উপাদান কী কী?
    • একটি এনকোডার এবং একটি ডিকোডার
    • একটি টোকেনাইজার এবং একটি শ্রেণিবিন্যাসকারী
    • দুটি অভিন্ন এনকোডার
    • একটি ফিল্টার এবং একটি র‌্যাঙ্কার
  2. seq2seq মডেলগুলিতে মনোযোগের প্রক্রিয়াটি কোন মূল সমস্যাটি সমাধান করেছে?
    • ধীর টোকেনাইজেশন
    • দীর্ঘ ইনপুটগুলির জন্য স্থির-দৈর্ঘ্য ভেক্টর বাধা
    • শব্দভান্ডারের অভাব
    • অত্যধিক প্রশিক্ষণ তথ্য
  3. মূল 2014 seq2seq অনুবাদ মডেলটি কোন আর্কিটেকচার ব্যবহার করেছে?
    • কনভোল্যুশনাল নেটওয়ার্ক
    • সিদ্ধান্ত গাছ
    • স্তুপীকৃত LSTM
    • খালি ফিড-ফরোয়ার্ড স্তর
  4. মনোযোগ কিভাবে প্রতিটি ডিকোডিং ধাপের জন্য প্রসঙ্গ তৈরি করে?
    • সমস্ত ইনপুট টোকেন সমানভাবে গড় করে
    • সম্পূর্ণরূপে এনকোডার উপেক্ষা করে
    • শেষ ইনপুট টোকেন কপি করে
    • অ্যালাইনমেন্ট স্কোর ব্যবহার করে এনকোডার স্টেটের ওজনযুক্ত সমষ্টি দ্বারা
  5. কেন seq2seq আউটপুট ইনপুট থেকে দৈর্ঘ্যে ভিন্ন হতে পারে?
    • ডিকোডার টোকেন তৈরি করে যতক্ষণ না এটি একটি স্টপ সিগন্যাল নির্গত করে
    • ইনপুট এবং আউটপুট সবসময় সমান দৈর্ঘ্য
    • এনকোডার সবকিছু প্যাড করে
    • দৈর্ঘ্য আগাম স্থির করা হয়
  6. কোন আধুনিক মডেলগুলি জনপ্রিয় ট্রান্সফরমার-ভিত্তিক seq2seq আর্কিটেকচার?
    • ResNet এবং VGG
    • T5 এবং BART
    • K- মানে এবং PCA
    • Word2Vec এবং GloVe
  7. In encoder-decoder attention, which representations are commonly used as keys and values?
    • Only the decoder’s future hidden states
    • The vocabulary file’s byte offsets
    • The encoder’s output representations
    • The optimizer’s learning-rate history
  8. What does a bidirectional encoder provide to an attention-based decoder?
    • A fixed one-token output regardless of the input
    • A guarantee that output length equals input length
    • A causal mask over future target tokens
    • Contextual representations of source tokens that can use information from both directions