ग्लाइड डिफ्यूजन मॉडल प्रश्नोत्तरी

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

1. GLIDE ने किस मार्गदर्शन पद्धति से बेहतर, अधिक त्वरित-विश्वसनीय छवियां उत्पन्न कीं?
   • क्लासिफायर-मुक्त मार्गदर्शन
   • सीएलआईपी मार्गदर्शन
   • कोई मार्गदर्शन नहीं
   • मैन्युअल संपादन
2. What size did the published full GLIDE base diffusion model have, before counting its upsampler?
   • About 3.5 thousand parameters
   • About 350 billion parameters
   • About 3.5 billion parameters
   • No trainable parameters
3. प्रशिक्षण के दौरान क्लासिफायर-मुक्त मार्गदर्शन कैसे काम करता है?
   • मॉडल केवल कभी भी सही प्रॉम्प्ट देखता है
   • एक अलग छवि वर्गीकरणकर्ता को साथ में प्रशिक्षित किया जाता है
   • संकेतों को यादृच्छिक रूप से संख्याओं में अनुवादित किया जाता है
   • मॉडल कभी-कभी वास्तविक प्रॉम्प्ट देखता है और कभी-कभी रिक्त प्रॉम्प्ट देखता है
4. Which later system describes its diffusion decoder as modifying the GLIDE architecture in the DALL-E 2 research paper?
   • The original text-only GPT-2 model
   • The unCLIP system associated with DALL-E 2
   • The Whisper speech recognizer
   • The CLIP contrastive encoder alone
5. OpenAI ने सार्वजनिक रूप से GLIDE का केवल छोटा, फ़िल्टर किया हुआ संस्करण ही क्यों जारी किया?
   • पूरा मॉडल खो गया
   • यह केवल सुपर कंप्यूटर पर चलता था
   • एक शक्तिशाली छवि जनरेटर के दुरुपयोग के बारे में चिंताएँ
   • किसी तीसरे पक्ष से लाइसेंस लेना
6. GLIDE ने किस व्यावहारिक संपादन सुविधा का समर्थन किया?
   • पाठ-संचालित इनपेंटिंग
   • ऑडियो प्रतिलेखन
   • स्प्रेडशीट सूत्र
   • वीडियो प्रतिपादन
7. How did GLIDE's upsampler complement its base text-conditioned diffusion model?
   • It replaced the text prompt with an audio transcript
   • It increased the resolution of the image produced by the base model
   • It converted the image into the training tokenizer's vocabulary
   • It supplied manual labels for every generated object
8. At GLIDE sampling time, how does classifier-free guidance strengthen prompt conditioning?
   • It retrains the model weights after every generated pixel
   • It requires a separate class-label classifier to score every step
   • It replaces the conditional prediction with the unconditional one
   • It combines conditional and unconditional predictions, extrapolating toward the conditional one