Kvíz spojený s průvodcem · Střední úroveň

T5 a kvíz převodu textu na text

Testujte předpony úloh T5, poškození rozsahu, pozornost kodéru a dekodéru a rozdíl mezi laděním instrukcí a odpověďmi v uzavřené knize.

Související vodicí cestyT5 a převod textu na text
Otázka 1 z 8

Jaká je definující myšlenka za T5?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaká je definující myšlenka za T5?
    • Provádí pouze strojový překlad
    • Vytváří obrázky z titulků
    • Každá úloha NLP je zarámována jako textový vstup do textového výstupu
    • Nahrazuje veškerý trénink posilovacím učením
  2. Jakou architekturu transformátoru používá T5?
    • Plný kodér-dekodér
    • Pouze kodér, jako BERT
    • Pouze dekodér, jako GPT
    • Žádná pozornost
  3. Jaký předtréninkový cíl T5 primárně používá?
    • Pouze předpověď další věty
    • Předpovídání cen akcií
    • Obraz malba
    • Korupce rozpětí, maskování souvislých rozpětí nahrazené hlídacími tokeny
  4. Na jakém korpusu byl T5 předtrénován?
    • Pouze Wikipedie
    • C4 Colossal Clean Crawled Corpus
    • Datová sada zdrojového kódu
    • Zvukové přepisy
  5. Jak T5 představuje klasifikační úkol, jako je analýza sentimentu?
    • Vydává pouze pravděpodobnostní vektor
    • Vrací číselné ID
    • Generuje doslovné označení slova, jako je „pozitivní“ nebo „negativní“
    • Nemůže provést klasifikaci
  6. Co je FLAN-T5 ve srovnání s původní T5?
    • Menší obrazový model
    • Instrukčně laděný potomek, který zobecňuje na nevídané úkoly
    • Systém rozpoznávání řeči
    • Nesouvisející databázový nástroj
  7. When T5 generates a summary, what does decoder cross-attention let it consult?
    • The encoder's representations of the input article
    • Only previously generated summary tokens
    • Only the unprocessed task label
    • The training optimizer's stored gradients
  8. In a closed-book T5 question-answering setup, where does the answer's factual information come from at inference?
    • A document retrieval step required for every question
    • A newly supplied answer passage required in the prompt
    • A live database lookup built into span corruption
    • Knowledge encoded in the model's learned parameters