Prueba de aprendizaje de pocas posibilidades

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

1. In an N-way K-shot classification episode, what does K count?
   • The number of classes
   • Labeled support examples per class
   • All parameters in the model
   • The number of optimization epochs
2. Cuando un modelo de lenguaje grande realiza un aprendizaje de pocas tomas en contexto a partir de un mensaje, ¿qué sucede con sus pesos?
   • Están ligeramente ajustados en los ejemplos rápidos.
   • Se restablecen a un punto de control específico de la tarea.
   • Se mantienen sin cambios; los ejemplos solo condicionan la predicción
   • Se promedian con las incrustaciones de ejemplo.
3. ¿Cuál es la diferencia clave entre las indicaciones de cero disparos y de pocos disparos?
   • Zero-shot no proporciona ejemplos elaborados; pocos disparos proporcionan algunos
   • Zero-shot utiliza un modelo más pequeño que pocos disparos
   • El disparo cero siempre funciona mejor que el disparo reducido
   • El disparo cero requiere datos de entrenamiento etiquetados, mientras que el disparo reducido no.
4. How can prior learning contribute to a few-shot task?
   • It guarantees every arbitrary demonstration yields the intended rule
   • It requires copying each example as every final answer
   • It necessarily retrains all network weights during prompting
   • It can supply useful learned patterns or representations for interpreting the small support set
5. ¿Qué describe un método de pocos intentos basado en métricas como una red prototípica?
   • Escribe etiquetas de ejemplo en una base de datos para su búsqueda.
   • Genera ejemplos sintéticos hasta tener miles.
   • Compara una nueva muestra con la incorporación promedio de los pocos ejemplos de cada clase y elige el más cercano.
   • Utiliza el aprendizaje por refuerzo a partir de la retroalimentación humana.
6. Un practicante descubre que simplemente reordenar los ejemplos en unas pocas indicaciones cambia la precisión. ¿Qué ilustra esto?
   • Un error de hardware en la GPU
   • Ese rendimiento de pocas tomas puede ser sensible al orden y formato de los ejemplos.
   • Que el modelo se está sobreajustando al conjunto de prueba.
   • Ese tiro cero sería imposible.
7. A class has embedded support points (0,0) and (2,0). What arithmetic-mean prototype does the stated prototypical method form?
   • (2,0)
   • (0,2)
   • (2,2)
   • (1,0)
8. Which distinction defines support and query roles in the original prototypical-network episode?
   • Support labels construct class prototypes; separate query items evaluate classification
   • Query labels must be copied into every support prototype
   • Support items contain no labels by definition
   • The two sets must always contain exactly the same sampled examples