Εξηγημένο Κουίζ Μοντέλων AI

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Ποιο στοιχείο μιας εφαρμογής AI είναι το ίδιο το μοντέλο μηχανικής μάθησης;
   • Ένα μαθηματικό σύστημα χαρτογραφεί εισόδους σε εξόδους με δομή και μαθημένες παραμέτρους
   • Ένα περιβάλλον χρήστη που περιέχει κάθε χαρακτηριστικό του προϊόντος
   • Ένα σύνολο ιστοσελίδων που επιτρέπεται να επισκέπτεται το μοντέλο
   • Ένα έγγραφο πολιτικής που ορίζει πώς μια ομάδα χρησιμοποιεί την τεχνητή νοημοσύνη
2. Μια ομάδα έχει σταθερό όριο καθυστέρησης 100 ms. Στο ενδεικτικό τεστ του οδηγού, ποιος υποψήφιος το πληροί;
   • Model B at 94% accuracy and 400 ms
   • Model A at 92% accuracy and 30 ms
   • Neither, because accuracy must be 100%
   • Both, because they score above 90%
3. Ποιο στοιχείο είναι υπερπαράμετρος παρά μαθημένη παράμετρος;
   • A weight value adjusted during training
   • A coefficient the fitted model uses for an input
   • A tree-depth limit selected through validation
   • A prediction returned for one example
4. Ένα σύστημα αναζήτησης παρέχει ένα ανακτημένο έγγραφο σε ένα μοντέλο κατά τη στιγμή του ερωτήματος. Τι αλλάζει χωρίς επανεκπαίδευση;
   • It necessarily retrains model weights
   • It fine-tunes the model on every query
   • It permanently changes the model version
   • It adds available evidence without changing model weights
5. Ένας προγραμματιστής προσαρμόζει με ακρίβεια ένα μοντέλο σε πρόσθετα παραδείγματα. Τι αλλάζει;
   • Model weights, without guaranteeing the information is current
   • Only the text retrieved for one query
   • The application’s user interface but never the model
   • The validation set but not model behavior
6. A team adapts a foundation model to a new document task. Which statement about this reuse is accurate?
   • It is necessarily the first AI model ever built
   • It can be adapted to multiple tasks, but still needs evaluation
   • It is only a model for building construction
   • It must be fine-tuned before it can answer any prompt
7. Why should a team re-evaluate after changing a model version?
   • Interfaces always change whenever versions change
   • A new version makes latency measurements unnecessary
   • Behavior can change even while interfaces stay stable
   • A model name proves it is more accurate
8. How should a team choose among candidate models for a defined application?
   • Select the largest parameter count by default
   • Use a leaderboard score without checking its errors
   • Choose the newest version without testing
   • Compare representative inputs, errors and operating constraints, then prefer the simplest adequate option