नकाबपोश भाषा मॉडलिंग प्रश्नोत्तरी

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

1. नकाबपोश भाषा मॉडलिंग में मुख्य प्रशिक्षण कार्य क्या है?
   • आस-पास के संदर्भ से जानबूझकर छिपाए गए शब्दों की भविष्यवाणी करना
   • एक वाक्य के बाद अगले शब्द की भविष्यवाणी करना
   • दो भाषाओं के बीच पाठ का अनुवाद करना
   • व्याकरणिक शुद्धता के आधार पर वाक्यों की रैंकिंग
2. प्रीट्रेनिंग के दौरान बीईआरटी आम तौर पर कितने प्रतिशत टोकन छुपाता है?
   • लगभग 50%
   • लगभग 15%
   • लगभग 1%
   • लगभग 90%
3. एमएलएम एक मॉडल को द्विदिशात्मक समझ क्यों देता है?
   • यह वाक्यों को उल्टा पढ़ता है
   • यह दो अलग-अलग मॉडलों का उपयोग करता है
   • प्रत्येक टोकन अपने बाएँ और दाएँ दोनों ओर के शब्दों पर ध्यान देता है
   • यह केवल पिछले शब्द को देखता है
4. BERT की मास्किंग योजना में, [MASK] बनने के बजाय लगभग 10% चयनित पदों का क्या होता है?
   • वे पूरी तरह से हटा दिए गए हैं
   • वे डुप्लिकेट हैं
   • वे पूंजीकृत हैं
   • उन्हें एक यादृच्छिक शब्द से बदल दिया जाता है
5. एमएलएम हानि की गणना किन पदों पर की जाती है?
   • केवल नकाबपोश पद
   • वाक्य में प्रत्येक टोकन
   • केवल पहला और आखिरी टोकन
   • केवल विराम चिह्न
6. अगली-टोकन भविष्यवाणी की तुलना में, एमएलएम क्या व्यापार करता है?
   • संदर्भ का उपयोग करने की क्षमता
   • बाएं से दाएं धाराप्रवाह पाठ उत्पन्न करने की क्षमता
   • शब्दावली तक पहुंच
   • ध्यान का प्रयोग
7. How does RoBERTa’s dynamic masking differ from BERT’s original setup?
   • It masks only the first token of every sentence
   • It predicts future tokens with a causal decoder
   • The masked positions can be regenerated across training passes instead of remaining fixed
   • It replaces all masked tokens with random numbers
8. What auxiliary objective did the original BERT pretraining recipe combine with MLM?
   • Image patch reconstruction
   • Audio speaker diarization
   • A reward model for code generation
   • Next-sentence prediction