Prueba de normalización de flujos

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

1. ¿Qué propiedad matemática debe tener toda transformación en un flujo normalizador?
   • Debe ser un mapeo aleatorio y no reversible.
   • Debe ser invertible (biyectivo) y diferenciable.
   • Debe reducir la dimensionalidad en cada paso.
   • Debe ser una tabla de búsqueda discreta.
2. ¿Qué fórmula permite que los flujos de normalización calculen probabilidades exactas?
   • La función softmax
   • La ecuación de Bellman
   • La regla de Bayes aplicada a los logits
   • La fórmula de cambio de variables utilizando el determinante jacobiano
3. ¿Por qué las arquitecturas de flujo como RealNVP y Glow utilizan capas de acoplamiento?
   • Hacer que el jacobiano sea triangular para que su determinante sea barato de calcular
   • Para hacer que el modelo no sea invertible
   • Para eliminar la necesidad de una distribución base
   • Para convertir el modelo en una GAN
4. What does a tractable normalizing flow provide that an ordinary GAN generator generally does not?
   • A guarantee of perfect anomaly detection
   • A guarantee of faster sampling than every GAN
   • An explicitly evaluable model density through change of variables
   • A non-invertible mapping with no base distribution
5. How should a team use normalizing-flow likelihoods for anomaly detection?
   • Assume every high-likelihood input is familiar
   • Treat density as the probability mass of a single point
   • Skip checking real anomaly labels
   • Validate them as a signal against relevant in-distribution and anomalous examples
6. ¿Qué técnica moderna, utilizada en sistemas como Stable Diffusion 3, surgió de ideas de flujo continuo?
   • Propagación hacia atrás a través del tiempo
   • Coincidencia de flujo (aprendizaje de un campo de velocidad que transporta ruido a datos)
   • Tokenización
   • búsqueda de haz
7. A one-dimensional flow inverse is z = x / 2. What log-Jacobian term appears in log p(x)?
   • log(2)
   • The parameter count of the network
   • log(1/2)
   • No term because the inverse is linear
8. Why must a normalizing flow account for stretching or shrinking volume?
   • A transformed region’s density must reflect the changed volume
   • The transformation must lose half its dimensions
   • Every output point must have probability mass one
   • The base distribution must be discarded after training