টোকেনাইজার-মুক্ত বাইট-লেভেল মডেল কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. একটি টোকেনাইজার-মুক্ত বাইট-স্তরের মডেল তার ইনপুট ইউনিট হিসাবে কী পড়ে?
   • কাঁচা বাইট (UTF-8 মান 0-255)
   • একটি নির্দিষ্ট শব্দভান্ডার থেকে শব্দ-টুকরো সাবওয়ার্ড
   • শূন্যস্থান দ্বারা পৃথক করা সম্পূর্ণ শব্দ
   • শুধুমাত্র প্রাক-গণনা করা এমবেডিং
2. একটি স্ট্যান্ডার্ড ট্রান্সফরমারে কাঁচা বাইট খাওয়ানোর প্রধান ব্যবহারিক ত্রুটি কী?
   • বাইট অ-ইংরেজি পাঠ্যকে উপস্থাপন করতে পারে না
   • ক্রমগুলি অনেক দীর্ঘ হয়ে যায়, গণনা খরচ বাড়ায়
   • এম্বেড করার জন্য অনেকগুলি সম্ভাব্য বাইট মান রয়েছে৷
   • বাইট স্থায়ীভাবে সব শব্দের অর্থ হারিয়ে ফেলে
3. বাইট ল্যাটেন্ট ট্রান্সফরমার (বিএলটি) কীভাবে প্যাচগুলিতে বাইটগুলিকে গ্রুপ করতে হবে তা কীভাবে নির্ধারণ করে?
   • প্রতিটি স্থান অক্ষর উপর বিভক্ত দ্বারা
   • 4 বাইটের একটি নির্দিষ্ট প্যাচ আকার ব্যবহার করা
   • বাইট-স্তরের পূর্বাভাস এনট্রপির উপর ভিত্তি করে (অনিশ্চয়তা)
   • এলোমেলোভাবে প্রতিটি ফরোয়ার্ড পাসের সময়
4. Why can a fixed subword vocabulary use more tokens for some languages than others?
   • Subword tokenizers only accept ASCII
   • All languages have identical token boundaries
   • They cannot represent numerals
   • Its token inventory may reflect the language distribution in the data used to build it
5. What does removing a fixed tokenizer guarantee about byte-level input?
   • The same byte alphabet can represent text from different scripts, while learned language ability still depends on data
   • The model understands every language without training data
   • It guarantees equal performance for all scripts
   • The model no longer needs a vocabulary or learned embeddings
6. কোন পূর্ববর্তী মডেলটি বাইট-স্তরের প্রক্রিয়াকরণ প্রদর্শন করেছিল কিন্তু ধীর হওয়ার জন্য সমালোচিত হয়েছিল?
   • BERT
   • ByT5
   • Word2Vec
   • GPT-2
7. What representations does BLT’s large global Transformer process?
   • Individual words from a fixed subword vocabulary only
   • ইমেজ পিক্সেল
   • Dynamically sized byte patches
   • Robot joint-angle commands
8. Which components surround the global Transformer in BLT?
   • A reward model and a value network
   • A speech vocoder and a spectrogram
   • A camera and a lidar sensor
   • A local byte encoder and a local byte decoder