Cuestionario vinculado a una guía · Medio Nivel

Prueba T5 y transferencia de texto a texto

Pruebe los prefijos de tareas T5, la corrupción de intervalos, la atención del codificador-decodificador y la diferencia entre el ajuste de instrucciones y las respuestas a libro cerrado.

Rutas de guía relacionadasT5 y transferencia de texto a texto
Pregunta 1 de 8

¿Cuál es la idea definitoria detrás de T5?

Vista previa de cada pregunta8 preguntas

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

  1. ¿Cuál es la idea definitoria detrás de T5?
    • Sólo hace traducción automática.
    • Genera imágenes a partir de subtítulos.
    • Cada tarea de PNL se enmarca como entrada de texto a salida de texto.
    • Reemplaza todo el entrenamiento con aprendizaje por refuerzo.
  2. ¿Qué arquitectura de transformador utiliza T5?
    • Un codificador-decodificador completo
    • Solo codificador, como BERT
    • Solo decodificador, como GPT
    • Ninguna atención en absoluto
  3. ¿Qué objetivo de preentrenamiento utiliza principalmente T5?
    • Solo predicción de la siguiente oración
    • Predecir los precios de las acciones
    • Imagen en pintura
    • Corrupción de tramos, enmascarando tramos contiguos reemplazados por tokens centinela
  4. ¿En qué corpus se entrenó previamente T5?
    • Sólo Wikipedia
    • El colosal corpus limpio y rastreado C4
    • Un conjunto de datos de código fuente
    • Transcripciones de audio
  5. ¿Cómo representa T5 una tarea de clasificación como el análisis de sentimientos?
    • Genera solo un vector de probabilidad.
    • Devuelve un ID numérico
    • Genera la palabra de etiqueta literal, como "positivo" o "negativo".
    • No puede hacer clasificación.
  6. ¿Qué es el FLAN-T5 en relación con el T5 original?
    • Un modelo de imagen más pequeño
    • Un descendiente sintonizado con instrucciones que generaliza a tareas invisibles
    • Un sistema de reconocimiento de voz.
    • Una herramienta de base de datos no relacionada
  7. When T5 generates a summary, what does decoder cross-attention let it consult?
    • The encoder's representations of the input article
    • Only previously generated summary tokens
    • Only the unprocessed task label
    • The training optimizer's stored gradients
  8. In a closed-book T5 question-answering setup, where does the answer's factual information come from at inference?
    • A document retrieval step required for every question
    • A newly supplied answer passage required in the prompt
    • A live database lookup built into span corruption
    • Knowledge encoded in the model's learned parameters