गाइड से जुड़ी प्रश्नोत्तरी · मध्यम स्तर

इलेक्ट्रा प्रीट्रेनिंग क्विज़

प्रतिस्थापित-टोकन का पता लगाना, जनरेटर और विभेदक भूमिकाएँ, टोकन स्थितियों में सीखना, और गणना तुलना की सीमाएँ समझाता है।

संबंधित मार्गदर्शक पथइलेक्ट्रा प्रीट्रेनिंग
प्रश्न 1 का 8

इलेक्ट्रा नकाबपोश भाषा मॉडलिंग के बजाय किस पूर्व-प्रशिक्षण कार्य का उपयोग करता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. इलेक्ट्रा नकाबपोश भाषा मॉडलिंग के बजाय किस पूर्व-प्रशिक्षण कार्य का उपयोग करता है?
    • बदला गया टोकन डिटेक्शन
    • अगले वाक्य की भविष्यवाणी
    • स्वत: प्रतिगामी अगले शब्द की भविष्यवाणी
    • क्रमपरिवर्तन भाषा मॉडलिंग
  2. इलेक्ट्रा BERT से अधिक गणना-कुशल क्यों है?
    • यह बहुत छोटी शब्दावली का उपयोग करता है
    • यह सभी टोकन पर सीखने के संकेत की गणना करता है, न कि केवल छिपे हुए टोकन पर
    • यह केवल छिपे हुए 15% टोकन पर ही प्रशिक्षण देता है
    • यह ध्यान तंत्र को पूरी तरह से छोड़ देता है
  3. इलेक्ट्रा में छोटा जनरेटर नेटवर्क क्या भूमिका निभाता है?
    • यह गुणवत्ता के आधार पर अंतिम आउटपुट को रैंक करता है
    • यह प्रशिक्षण के बाद मॉडल को संपीड़ित करता है
    • यह विवेचक के निर्णय के लिए संभावित प्रतिस्थापन टोकन तैयार करता है
    • यह भाषाओं के बीच पाठ का अनुवाद करता है
  4. प्रीट्रेनिंग पूरी होने के बाद जनरेटर का क्या होता है?
    • इसे डाउनस्ट्रीम कार्य के लिए ठीक-ठीक तैयार किया गया है
    • यह विवेचक के साथ विलीन हो जाता है
    • यह पीढ़ी के लिए डिकोडर बन जाता है
    • इसे त्याग दिया जाता है; केवल विवेचक का उपयोग किया जाता है
  5. ELECTRA मुख्य रूप से किस संगठन के शोधकर्ताओं द्वारा विकसित किया गया था?
    • Google और स्टैनफोर्ड
    • Meta AI और NYU
    • OpenAI और Microsoft
    • डीपमाइंड और ऑक्सफोर्ड
  6. बाद के किस मॉडल ने इलेक्ट्रा के प्रतिस्थापित-टोकन-पहचान विचार को आगे बढ़ाया?
    • जीपीटी-2
    • डेबर्टा-v3
    • टी5
    • Word2Vec
  7. What happens if ELECTRA’s generator proposes the original token at a position?
    • It is always labeled replaced because the generator proposed it
    • The position is removed from the input
    • That token is treated as original by the discriminator’s replaced-token label
    • The whole sequence is discarded
  8. When comparing ELECTRA with another pretraining method, what makes a compute claim meaningful?
    • Compare model names alone
    • Assume every ELECTRA run uses one fixed compute ratio
    • Ignore generator training cost
    • Specify model size, data, training budget, and evaluation setting