गाइड से जुड़ी प्रश्नोत्तरी · कठिन स्तर

एक्सएलनेट क्रमपरिवर्तन मॉडलिंग प्रश्नोत्तरी

क्रमपरिवर्तन कारककरण, दो-धारा ध्यान, ट्रांसफार्मर-एक्सएल पुनरावृत्ति, और बेंचमार्क दावे तुलनीय सेटिंग्स पर कैसे निर्भर करते हैं, इसकी जांच करता है।

संबंधित मार्गदर्शक पथएक्सएलनेट क्रमपरिवर्तन मॉडलिंग
प्रश्न 1 का 8

XLNet किस पूर्व-प्रशिक्षण उद्देश्य का उपयोग करता है?

प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न

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

  1. XLNet किस पूर्व-प्रशिक्षण उद्देश्य का उपयोग करता है?
    • क्रमपरिवर्तन भाषा मॉडलिंग
    • नकाबपोश भाषा मॉडलिंग
    • बदला गया टोकन डिटेक्शन
    • अगले वाक्य की भविष्यवाणी
  2. XLNet को किस BERT कमज़ोरी को संबोधित करने के लिए विशेष रूप से डिज़ाइन किया गया था?
    • बर्ट बहुत छोटा था
    • [MASK] टोकन प्रीट्रेन/फाइन-ट्यून बेमेल का कारण बनता है और मास्क्ड-टोकन स्वतंत्रता ग्रहण करता है
    • BERT छोटे वाक्यों को संभाल नहीं सका
    • BERT में स्थितीय एन्कोडिंग का अभाव था
  3. XLNet का दो-धारा आत्म-ध्यान क्या अलग करता है?
    • एनकोडर और डिकोडर परतें
    • प्रशिक्षण और अनुमान ग्राफ़
    • एक सामग्री स्ट्रीम और एक क्वेरी स्ट्रीम
    • टोकन और वाक्य एम्बेडिंग
  4. क्या XLNet किसी वाक्य में शब्दों को भौतिक रूप से बदलता है?
    • हां, यह वास्तविक टोकन को बेतरतीब ढंग से पुन: व्यवस्थित करता है
    • हां, लेकिन केवल फाइन-ट्यूनिंग के दौरान
    • नहीं, यह कभी भी कोई ऑर्डर नहीं बदलता है
    • नहीं, यह स्थिति बनाए रखते हुए ध्यान मास्क का उपयोग करके कारकीकरण क्रम को क्रमबद्ध करता है
  5. कौन सा आर्किटेक्चर लंबी दूरी के संदर्भ के लिए XLNet की रीढ़ के रूप में कार्य करता है?
    • ट्रांसफार्मर-एक्सएल
    • एलएसटीएम
    • मूल वेनिला ट्रांसफार्मर
    • संवादी नेटवर्क
  6. How does XLNet combine bidirectional context with autoregressive prediction?
    • It predicts all tokens independently with no attention mask
    • It predicts in sampled factorization orders without inserting a [MASK] input token, using attention masks
    • It physically shuffles the sentence before every prediction
    • It replaces autoregressive prediction with a denoising autoencoder
  7. For a token sequence A B C, suppose a sampled factorization order predicts C before A and B. What context is available when predicting C?
    • The tokens A and B must always be provided first
    • Only the next sentence is available
    • No earlier tokens in that sampled order, although C remains at its original input position
    • The input sequence is physically reordered to C A B
  8. How does XLNet prevent the target token from leaking into its own prediction query?
    • It removes the target from the entire training sequence
    • It uses the target’s label as an input embedding
    • It replaces the token with a [MASK] symbol
    • The query stream represents the target position without its token content