Kvíz spojený s průvodcem · Střední úroveň

Tréninkový kvíz na zkoušku

Porovnejte adaptaci v testovacím čase a vrstvy sekvencí TTT, včetně ztrát s vlastním dohledem, stavů vnitřního modelu, lineárního škálování a učení vnější smyčky.

Související vodicí cestyTrénink na zkoušku
Otázka 1 z 8

Co se děje v citovaném klasickém tréninkovém adaptačním postupu na zkoušku před hlavní predikcí?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co se děje v citovaném klasickém tréninkovém adaptačním postupu na zkoušku před hlavní predikcí?
    • The unknown main-task label is supplied as a correct training target
    • The model must delete all parameters
    • Every earlier training example is reloaded without adaptation
    • Model parameters are updated using the incoming unlabeled sample
  2. Proč se klasické TTT spoléhá na pomocný úkol s vlastním dohledem?
    • Protože sebekontrola je vždy přesnější než hlavní úkol
    • Protože štítky jsou v době testování nedostupné, potřebuje ztrátu, kterou může počítat bez nich
    • Protože to odstraňuje potřebu jakékoli neuronové sítě
    • Pro šifrování testovacích dat
  3. Co tvoří opakující se skrytý stav vrstvy sekvence TTT?
    • The parameters of an inner model updated through learning
    • Only an unchanging raw input filename
    • A mandatory list of all previous full attention matrices
    • The vocabulary sorted alphabetically
  4. Jak se škáluje složitost vrstvy sekvencí TTT s délkou sekvence pod pevnými rozměry vnitřního modelu a aktualizací?
    • Quadratically for every possible implementation
    • Independently of processing any tokens
    • Linearly in sequence length
    • Exponentially because every token retrains from all possible sequences
  5. Jaký problém motivoval uvedenou klasickou zkušební adaptační studii?
    • A requirement to increase the alphabet size
    • A difference between training and test input distributions
    • A guarantee that all deployment inputs match training
    • A need to sort source filenames faster
  6. Why is a decrease in an auxiliary adaptation loss insufficient by itself to establish a successful main-task update?
    • Every auxiliary loss is the unknown main-label accuracy
    • A loss value proves perfect safety on every future sample
    • The auxiliary objective and the intended prediction measure are different
    • An auxiliary task cannot be computed on unlabeled input
  7. What inner models distinguish the studied TTT-Linear and TTT-MLP layer variants?
    • A decision tree and a mandatory image tokenizer
    • Two copies of the same fixed dictionary with no parameters
    • A full historical attention matrix and an alphabetical index
    • A linear model and a two-layer multilayer perceptron
  8. In the sequence-layer framework, which loop learns the parameters defining the inner self-supervised task?
    • The outer training loop
    • Only the unknown future test label
    • A required manual dictionary edit at every token
    • Neither loop can learn any task parameters