टोकननाइज़र-मुक्त बाइट-स्तरीय मॉडल प्रश्नोत्तरी

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

1. एक टोकननाइज़र-मुक्त बाइट-स्तरीय मॉडल अपनी इनपुट इकाइयों के रूप में क्या पढ़ता है?
   • कच्चे बाइट्स (UTF-8 मान 0-255)
   • एक निश्चित शब्दावली से शब्द-टुकड़ा उपशब्द
   • संपूर्ण शब्द रिक्त स्थान से अलग किए गए
   • केवल पूर्व-गणना की गई एम्बेडिंग
2. एक मानक ट्रांसफार्मर को कच्चे बाइट्स खिलाने का मुख्य व्यावहारिक दोष क्या है?
   • बाइट्स गैर-अंग्रेज़ी पाठ का प्रतिनिधित्व नहीं कर सकते
   • अनुक्रम बहुत लंबे हो जाते हैं, जिससे गणना लागत बढ़ जाती है
   • एम्बेड करने के लिए बहुत सारे संभावित बाइट मान हैं
   • बाइट्स सभी शब्दों का अर्थ स्थायी रूप से खो देते हैं
3. बाइट लेटेंट ट्रांसफार्मर (बीएलटी) कैसे तय करता है कि बाइट्स को पैच में कहां समूहित किया जाए?
   • हर अंतरिक्ष चरित्र पर विभाजित करके
   • 4 बाइट्स के एक निश्चित पैच आकार का उपयोग करना
   • बाइट-स्तरीय भविष्यवाणी एन्ट्रापी (अनिश्चितता) के आधार पर
   • प्रत्येक फॉरवर्ड पास के दौरान बेतरतीब ढंग से
4. Why can a fixed subword vocabulary use more tokens for some languages than others?
   • Subword tokenizers only accept ASCII
   • All languages have identical token boundaries
   • They cannot represent numerals
   • Its token inventory may reflect the language distribution in the data used to build it
5. What does removing a fixed tokenizer guarantee about byte-level input?
   • The same byte alphabet can represent text from different scripts, while learned language ability still depends on data
   • The model understands every language without training data
   • It guarantees equal performance for all scripts
   • The model no longer needs a vocabulary or learned embeddings
6. पहले के किस मॉडल ने बाइट-स्तरीय प्रोसेसिंग प्रदर्शित की थी लेकिन धीमी होने के कारण इसकी आलोचना की गई थी?
   • बर्ट
   • ByT5
   • Word2Vec
   • जीपीटी-2
7. What representations does BLT’s large global Transformer process?
   • Individual words from a fixed subword vocabulary only
   • छवि पिक्सेल
   • Dynamically sized byte patches
   • Robot joint-angle commands
8. Which components surround the global Transformer in BLT?
   • A reward model and a value network
   • A speech vocoder and a spectrogram
   • A camera and a lidar sensor
   • A local byte encoder and a local byte decoder