Prueba de comportamiento de modelos de aprendizaje automático

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. Un cambio de puntuación debe preservar el significado de la oración. ¿Qué tipo de prueba comprueba la estabilidad de la salida?
   • Pruebas de invariancia
   • Prueba de expectativas direccionales
   • Pruebas de funcionalidad mínima
   • Una división aleatoria de pruebas de tren
2. Un modelo debe responder en una dirección específica cuando aumenta una entrada validada. ¿Qué tipo de prueba encaja?
   • Invariancia
   • Expectativa direccional
   • Funcionalidad mínima
   • Pruebas de serialización
3. Una prueba comprueba si el modelo puede preservar la negación en un ejemplo de traducción sencillo, sin comparar pares de entrada transformados. ¿Qué categoría encaja?
   • Latencia de rendimiento
   • Pruebas de invariancia
   • Pruebas de funcionalidad mínima
   • Monitoreo de deriva de datos
4. ¿Por qué un equipo debe revisar el comportamiento esperado antes de codificarlo como prueba?
   • La revisión hace que los resultados del modelo sean deterministas
   • Cualquier comportamiento esperado demuestra automáticamente que es justo.
   • El conjunto de pruebas crea etiquetas de verdad sobre el terreno
   • La transformación o expectativa puede no ser válida para todos los contextos.
5. ¿Qué establece pasar una pequeña suite de comportamiento?
   • El modelo es robusto para cada cambio de distribución.
   • El modelo pasó esos casos especificados, no todas las condiciones de producción.
   • El modelo está calibrado en todos los grupos.
   • El conjunto de prueba es representativo por definición.
6. ¿Cómo se relacionan las pruebas metamórficas con las pruebas de comportamiento?
   • Requiere una etiqueta de referencia correcta para cada entrada transformada.
   • Solo verifica la igualdad exacta en todas las transformaciones.
   • Comprueba las relaciones esperadas entre resultados cuando las respuestas exactas no están disponibles.
   • Se aplica solo a modelos de imágenes y no a otros tipos de entrada.
7. ¿Por qué una prueba de invariancia frágil puede ser inapropiada?
   • El modelo debe ser reentrenado para cada oración.
   • Las pruebas de invarianza no pueden comparar resultados
   • Todas las probabilidades del modelo son fijas.
   • La transformación puede cambiar de significado en algunos ejemplos.
8. ¿Qué evaluación deberían complementar las pruebas de comportamiento?
   • Métricas representativas retenidas y otras comprobaciones de modelos
   • Sólo la puntuación del conjunto de entrenamiento
   • No se necesita otra evaluación
   • Solo una lista de verificación de instalación de paquetes