मल्टी-टास्क लर्निंग क्विज़

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

1. प्रशिक्षण के दौरान बहु-कार्य शिक्षण मॉडल कैसे स्थापित किया जाता है?
   • साझा अभ्यावेदन के साथ कई संबंधित कार्यों पर एक मॉडल का प्रशिक्षण
   • प्रत्येक कार्य के लिए एक अलग मॉडल का प्रशिक्षण
   • किसी एकल कार्य के लिए केवल बिना लेबल वाले डेटा का उपयोग करना
   • नेटवर्क से सभी छिपी हुई परतें हटाना
2. एक विशिष्ट हार्ड-पैरामीटर-शेयरिंग एमटीएल नेटवर्क में, क्या साझा किया जाता है और क्या अलग होता है?
   • प्रत्येक कार्य के अनुसार सब कुछ अलग है
   • कार्य-विशिष्ट आउटपुट प्रमुखों के साथ एक साझा रीढ़
   • केवल हानि फ़ंक्शन साझा किया जाता है
   • केवल इनपुट डेटा, परतें कभी नहीं
3. बहु-कार्य शिक्षण सामान्यीकरण में सुधार क्यों कर सकता है?
   • यह किसी भी डेटा की आवश्यकता को समाप्त कर देता है
   • यह शून्य प्रशिक्षण त्रुटि की गारंटी देता है
   • संबंधित कार्यों के संकेत साझा प्रतिनिधित्व को नियमित करते हैं और ओवरफिटिंग को कम करते हैं
   • यह कार्य-विशिष्ट प्रमुखों की आवश्यकता को हटा देता है
4. बहु-कार्य शिक्षण में 'नकारात्मक स्थानांतरण' क्या है?
   • कार्यों को जोड़ने से प्रशिक्षण में तेजी आती है
   • जब मॉडल में बहुत कम पैरामीटर हों
   • जब सभी कार्य समान लेबल साझा करते हैं
   • जब एक कार्य की सीख परस्पर विरोधी संकेतों के कारण दूसरे कार्य के प्रदर्शन को प्रभावित करती है
5. बहु-कार्य सीखने में आमतौर पर समग्र हानि कैसे होती है?
   • व्यक्तिगत कार्य हानियों के भारित योग के रूप में
   • केवल सबसे बड़ा कार्य हानि उठाने से
   • एक कार्य को छोड़कर अन्य सभी कार्यों को अनदेखा करके
   • घाटे को एक साथ कई गुना करके
6. बड़े भाषा मॉडल को स्वाभाविक रूप से बहु-कार्य क्यों माना जाता है?
   • वे केवल एक निश्चित कार्य ही कर सकते हैं
   • एक एकल नेटवर्क अनुवाद, सारांशीकरण, कोडिंग और प्रश्नोत्तर को संभालता है
   • वे प्रत्येक प्रॉम्प्ट के लिए एक अलग मॉडल का उपयोग करते हैं
   • वे कभी भी कार्यों में पैरामीटर साझा नहीं करते हैं
7. In soft parameter sharing, how are task models usually related?
   • They use one identical model with no task-specific outputs
   • They share no information and cannot exchange features
   • They keep separate parameters but add a constraint or penalty encouraging similarity
   • They share only the training labels
8. What does PCGrad do when two task gradients conflict?
   • It discards every task except the largest one
   • It changes the task labels
   • It replaces the shared backbone with separate datasets
   • It projects away conflicting gradient components before combining updates