स्थानांतरण प्रश्नोत्तरी के लिए एडाप्टर परतें

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. एडॉप्टर के साथ प्रशिक्षण करते समय मूल पूर्व-प्रशिक्षित भार का क्या होता है?
   • वे जमे हुए हैं जबकि केवल एडाप्टर पैरामीटर प्रशिक्षित हैं
   • उन्हें हटा दिया गया है
   • उन्हें बेतरतीब ढंग से पुन: प्रारंभ किया गया है
   • इनका आकार दोगुना हो गया है
2. टोंटी एडाप्टर की विशिष्ट आंतरिक संरचना क्या है?
   • एक बड़ी घनी परत
   • एक डाउन-प्रोजेक्शन, एक नॉनलाइनरिटी, फिर एक अप-प्रोजेक्शन, एक अवशिष्ट कनेक्शन के साथ
   • केवल एक ध्यान देने वाला सिर
   • एक दृढ़ छवि फ़िल्टर
3. एडेप्टर आम तौर पर पैरामीटर के कितने अंश को प्रशिक्षित करते हैं?
   • 100%
   • बिल्कुल 50%
   • अक्सर 5% से कम
   • बिल्कुल भी नहीं
4. एडॉप्टर कई कार्यों को पूरा करने के लिए सुविधाजनक क्यों हैं?
   • उन्हें प्रत्येक कार्य के लिए एक अलग पूर्ण मॉडल प्रति की आवश्यकता होती है
   • उन्हें संयोजित नहीं किया जा सकता
   • वे प्रत्येक कार्य के बाद आधार मॉडल मिटा देते हैं
   • आप एक बेस मॉडल रखें और प्रति-कार्य छोटे एडेप्टर स्वैप करें
5. एडाप्टर्स तकनीकों के किस परिवार से संबंधित हैं?
   • पैरामीटर-कुशल फ़ाइन-ट्यूनिंग (PEFT)
   • डेटा संवर्धन
   • छवि संपीड़न
   • टोकनाइजेशन योजनाएं
6. अनुमान के समय क्लासिक इंसर्टेड एडॉप्टर की तुलना में LoRA क्या लाभ प्रदान करता है?
   • इसे प्रशिक्षित नहीं किया जा सकता
   • अतिरिक्त प्रति-परत विलंबता से बचते हुए, इसके सीखे गए वजन को आधार मैट्रिक्स में विलय किया जा सकता है
   • इसके लिए पूरे मॉडल को फिर से प्रशिक्षित करने की आवश्यकता है
   • यह शेष कनेक्शन को स्थायी रूप से हटा देता है
7. What does a residual connection contribute to a classic bottleneck adapter?
   • A second full pretrained model copy for each task
   • A mandatory external retrieval database
   • A path that adds the adapter’s transformed representation back to the original hidden state
   • A guarantee that no added computation occurs
8. What is one benefit of stacking a domain adapter with a task adapter?
   • Merge all user data into the frozen base weights automatically
   • Avoid using any adapter modules
   • Convert a language model into a vision encoder
   • Reuse a domain specialization together with a separate task specialization