Πώς μαθαίνει το AI Quiz

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Στην εποπτευόμενη μάθηση, τι περιλαμβάνουν τα δεδομένα εκπαίδευσης;
   • Μόνο ακατέργαστα παραδείγματα χωρίς επισυναπτόμενες απαντήσεις
   • Κανόνες γραμμένοι από προγραμματιστές για κάθε πιθανή κατάσταση
   • Inputs paired with target outputs, called labels
   • Ανταμοιβές και ποινές από περιβάλλον παιχνιδιού
2. Ποιο είδος μάθησης είναι η ομαδοποίηση πελατών με βάση παρόμοιες συνήθειες αγορών χωρίς προκαθορισμένες κατηγορίες;
   • Εκμάθηση χωρίς επίβλεψη
   • Προγραμματισμός βασισμένος σε κανόνες
   • Επίβλεψη μάθησης
   • Ενισχυτική μάθηση
3. Πώς βελτιώνεται ένας εκπαιδευτικός παράγοντας ενίσχυσης, όπως αυτός που μαθαίνει να παίζει ένα βιντεοπαιχνίδι;
   • Δοκιμάζοντας πράξεις και μαθαίνοντας από ανταμοιβές ή ποινές
   • Απομνημονεύοντας τον πηγαίο κώδικα του παιχνιδιού
   • Αντιγράφοντας παραδείγματα με ετικέτα που δείχνουν τη σωστή κίνηση σε κάθε στροφή
   • Ταξινομώντας προηγούμενα παιχνίδια σε συμπλέγματα χωρίς σχόλια
4. A model performs well on its training examples but poorly on comparable held-out examples. Which pattern does this show?
   • Υποπροσαρμογή
   • Υπερβολική τοποθέτηση
   • Data leakage
   • Good generalization
5. Why keep a test set separate from fitting the model and choosing its settings?
   • To estimate performance on examples not used for those development choices
   • To tune hyperparameters by repeatedly checking the final evaluation set
   • To add held-out examples to training after the choices are final
   • To check whether training predictions match their training labels
6. In the guide’s supervised training loop, what does the loss measure?
   • Πόση ηλεκτρική ενέργεια καταναλώνει η προπονητική διαδρομή
   • Πόσο καιρό χρειάζεται το μοντέλο για να δώσει μια απάντηση
   • Πόσα παραδείγματα διαγράφηκαν από το σύνολο δεδομένων εκπαίδευσης
   • The numerical difference between predictions and target values
7. A text model learns to predict the next token from the preceding context. Which learning setup does the guide describe?
   • Supervised learning with separately supplied labels
   • Unsupervised clustering of the text
   • Self-supervised training that creates a prediction task from the text
   • Reinforcement learning from rewards for each token
8. A model changes its answer after seeing an example in a prompt. What can be concluded about its learned weights?
   • They must have permanently changed
   • The prompt became part of every user’s training data
   • The model cannot use examples without retraining
   • A changed response does not by itself show a weight update