एनकोडर-डिकोडर आर्किटेक्चर प्रश्नोत्तरी

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

1. एनकोडर-डिकोडर मॉडल में एनकोडर का मुख्य कार्य क्या है?
   • इनपुट को पढ़ना और उसे समृद्ध आंतरिक अभ्यावेदन में बदलना
   • एक समय में आउटपुट एक टोकन उत्पन्न करने के लिए
   • संभावना के आधार पर उम्मीदवार के आउटपुट को रैंक करना
   • मॉडल के प्रशिक्षण डेटा को संग्रहीत करने के लिए
2. डिकोडर नकाबपोश (कारणात्मक) आत्म-ध्यान का उपयोग क्यों करता है?
   • एनकोडर से इनपुट छिपाने के लिए
   • पीढ़ी के दौरान प्रत्येक स्थिति को भविष्य के टोकन देखने से रोकने के लिए
   • आउटपुट को कम टोकन में संपीड़ित करने के लिए
   • नियमितीकरण के लिए बेतरतीब ढंग से टोकन छोड़ना
3. कौन सा तंत्र डिकोडर को एनकोडर के अभ्यावेदन से जोड़ता है?
   • ड्रॉपआउट
   • बैच सामान्यीकरण
   • क्रॉस-ध्यान
   • स्थितीय एन्कोडिंग
4. इनमें से कौन सा मॉडल एनकोडर-डिकोडर (अनुक्रम-से-अनुक्रम) आर्किटेक्चर है?
   • जीपीटी-3
   • बर्ट
   • Word2Vec
   • टी5
5. एनकोडर-डिकोडर डिज़ाइन अनुवाद के लिए स्वाभाविक रूप से उपयुक्त क्यों है?
   • क्योंकि इनपुट और आउटपुट अलग-अलग क्रम हैं, इसलिए पूर्ण समझ और फिर नई पीढ़ी की आवश्यकता होती है
   • क्योंकि इनपुट और आउटपुट हमेशा समान लंबाई के होते हैं
   • क्योंकि इसे कभी भी नया टेक्स्ट जेनरेट करने की आवश्यकता नहीं होती है
   • क्योंकि यह पूरी तरह से ध्यान का उपयोग करने से बचता है
6. In the original Transformer architecture, what attention does the encoder use over its input sequence?
   • Causal attention that hides all earlier source tokens
   • Bidirectional self-attention over the full source sequence
   • Cross-attention only to an image sequence
   • No attention mechanism
7. What training objective does BART use for pretraining?
   • It predicts only the next pixel in an image
   • It classifies each word into a fixed sentiment label
   • It corrupts text and trains a sequence-to-sequence denoising model to reconstruct the original
   • It performs speech recognition from raw audio
8. How does T5 frame many NLP tasks for one encoder-decoder model?
   • As image classification with a shared label set
   • As speech waveforms with no text tokens
   • As separate model architectures for each task
   • As text-to-text inputs and outputs with task descriptions in the input text