Útmutatóhoz kapcsolódó kvíz · Közepes Szint
T5 és szöveg-szöveg átviteli kvíz
Tesztelje a T5 feladatok előtagjait, a korrupciót, a kódoló-dekódoló figyelmét, valamint az utasításhangolás és a zárt könyves válaszok közötti különbséget.
kérdés 1 -ból 8
Mi a meghatározó gondolat a T5 mögött?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mi a meghatározó gondolat a T5 mögött?
- Csak gépi fordítást végez
- Képaláírásokból képeket generál
- Minden NLP-feladat szövegbevitelként kerül keretbe a szövegkimenetbe
- Minden képzést megerősítő tanulással helyettesít
- Milyen Transformer architektúrát használ a T5?
- Teljes kódoló-dekódoló
- Csak kódoló, mint a BERT
- Csak dekóder, mint a GPT
- Egyáltalán nincs odafigyelés
- Milyen edzés előtti célt használ elsősorban a T5?
- Csak a következő mondat előrejelzése
- A részvényárfolyamok előrejelzése
- Képfestés
- Span korrupció, az összefüggő kiterjedések elfedése őrjelzőkkel helyettesítve
- Melyik korpuszra képezték elő a T5-öt?
- Csak a Wikipédia
- A C4 Colossal Clean Crawled Corpus
- A forráskód adatkészlete
- Hangos átiratok
- Hogyan reprezentál a T5 olyan osztályozási feladatot, mint a hangulatelemzés?
- Csak valószínűségi vektort ad ki
- Numerikus azonosítót ad vissza
- Létrehozza a szó szerinti címkeszót, például „pozitív” vagy „negatív”
- Nem tud osztályozni
- Mi a FLAN-T5 az eredeti T5-höz képest?
- Kisebb képmodell
- Utasításra hangolt leszármazott, amely nem látott feladatokra általánosít
- Beszédfelismerő rendszer
- Nem kapcsolódó adatbázis-eszköz
- Amikor a T5 összefoglalót generál, mit enged a dekóder keresztfigyelmezésének?
- A bemeneti cikk kódoló általi ábrázolásai
- Csak korábban generált összesítő tokenek
- Csak a feldolgozatlan feladatcímke
- Az edzésoptimalizáló tárolt színátmenetei
- Egy zárt könyves T5 kérdés-válaszolási elrendezésben honnan származnak a válasz tényszerű információi a következtetés során?
- Minden kérdéshez szükséges egy dokumentumlekérési lépés
- Egy újonnan megadott válaszrészlet szükséges a promptban
- A span korrupcióba beépített élő adatbázis-keresés
- A modell tanult paramétereibe kódolt tudás