T5 और टेक्स्ट-टू-टेक्स्ट ट्रांसफर क्विज़

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

1. T5 के पीछे परिभाषित विचार क्या है?
   • यह केवल मशीनी अनुवाद करता है
   • यह कैप्शन से छवियां उत्पन्न करता है
   • प्रत्येक एनएलपी कार्य को टेक्स्ट इनपुट से टेक्स्ट आउटपुट के रूप में तैयार किया गया है
   • यह सभी प्रशिक्षणों को सुदृढीकरण सीखने से बदल देता है
2. T5 किस ट्रांसफार्मर आर्किटेक्चर का उपयोग करता है?
   • एक पूर्ण एनकोडर-डिकोडर
   • एनकोडर-केवल, BERT की तरह
   • जीपीटी की तरह, केवल डिकोडर
   • बिल्कुल ध्यान नहीं
3. T5 मुख्य रूप से किस पूर्व-प्रशिक्षण उद्देश्य का उपयोग करता है?
   • केवल अगले वाक्य की भविष्यवाणी
   • स्टॉक की कीमतों की भविष्यवाणी करना
   • छवि इनपेंटिंग
   • स्पैन भ्रष्टाचार, प्रहरी टोकन द्वारा प्रतिस्थापित सन्निहित स्पैन को मास्क करना
4. T5 को किस कॉर्पस पर पूर्व प्रशिक्षित किया गया था?
   • केवल विकिपीडिया
   • C4 कोलोसल क्लीन क्रॉल्ड कॉर्पस
   • स्रोत कोड का एक डेटासेट
   • ऑडियो प्रतिलेख
5. T5 भावना विश्लेषण जैसे वर्गीकरण कार्य का प्रतिनिधित्व कैसे करता है?
   • यह केवल संभाव्यता वेक्टर आउटपुट करता है
   • यह एक संख्यात्मक आईडी लौटाता है
   • यह शाब्दिक लेबल शब्द उत्पन्न करता है, जैसे 'सकारात्मक' या 'नकारात्मक'
   • यह वर्गीकरण नहीं कर सकता
6. मूल T5 के सापेक्ष FLAN-T5 क्या है?
   • एक छोटा छवि मॉडल
   • एक अनुदेश-अनुकूलित वंशज जो अनदेखे कार्यों को सामान्यीकृत करता है
   • एक वाक् पहचान प्रणाली
   • एक असंबंधित डेटाबेस उपकरण
7. When T5 generates a summary, what does decoder cross-attention let it consult?
   • The encoder's representations of the input article
   • Only previously generated summary tokens
   • Only the unprocessed task label
   • The training optimizer's stored gradients
8. In a closed-book T5 question-answering setup, where does the answer's factual information come from at inference?
   • A document retrieval step required for every question
   • A newly supplied answer passage required in the prompt
   • A live database lookup built into span corruption
   • Knowledge encoded in the model's learned parameters