Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Kevés lövésű tanulási kvíz

Compare in-context demonstrations and metric-based few-shot learning, with support/query roles, prototype calculations, notation, and prompt ordering.

Kapcsolódó útmutató utakNéhány lövés tanulás
kérdés 1 -ból 8

In an N-way K-shot classification episode, what does K count?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. In an N-way K-shot classification episode, what does K count?
    • The number of classes
    • Labeled support examples per class
    • All parameters in the model
    • The number of optimization epochs
  2. Ha egy nagy nyelvi modell kontextusban néhány lépésből tanul egy felszólításból, mi történik a súlyaival?
    • Az azonnali példákon kissé finomhangoltak
    • A rendszer visszaállítja őket egy feladatspecifikus ellenőrzőpontra
    • Változatlanul maradnak; a példák csak feltétele az előrejelzés
    • Átlagolásuk a példabeágyazásokkal történik
  3. Mi a legfontosabb különbség a nullás és a néhány felvételes felszólítás között?
    • A Zero-shot nem ad kidolgozott példákat; néhány lövés néhányat biztosít
    • A Zero-shot kisebb modellt használ, mint a kevés lövés
    • A nullás felvétel mindig jobban teljesít, mint a kevés felvétel
    • A nullás felvételhez címkézett edzési adatokra van szükség, míg a kevés lövéshez nem
  4. How can prior learning contribute to a few-shot task?
    • It guarantees every arbitrary demonstration yields the intended rule
    • It requires copying each example as every final answer
    • It necessarily retrains all network weights during prompting
    • It can supply useful learned patterns or representations for interpreting the small support set
  5. Melyik írja le a metrikus alapú néhány felvételes módszert, például egy prototipikus hálózatot?
    • Példacímkéket ír egy adatbázisba kereséshez
    • Szintetikus példákat generál, amíg nem lesz több ezer
    • Összehasonlít egy új mintát az egyes osztályok néhány példájának átlagos beágyazásával, és kiválasztja a legközelebbit
    • Emberi visszajelzésekből megerősítő tanulást használ
  6. Egy gyakorló szakember azt tapasztalja, hogy a példák egyszerű átrendezése néhány lépésben megváltoztatja a pontosságot. Mit illusztrál ez?
    • Hardveres hiba a GPU-ban
    • Ez a néhány felvételes teljesítmény érzékeny lehet a példa sorrendjére és formázására
    • Hogy a modell túl jól illeszkedik a tesztkészlethez
    • Ez a zéró lövés lehetetlen lenne
  7. A class has embedded support points (0,0) and (2,0). What arithmetic-mean prototype does the stated prototypical method form?
    • (2,0)
    • (0,2)
    • (2,2)
    • (1,0)
  8. Which distinction defines support and query roles in the original prototypical-network episode?
    • Support labels construct class prototypes; separate query items evaluate classification
    • Query labels must be copied into every support prototype
    • Support items contain no labels by definition
    • The two sets must always contain exactly the same sampled examples