Kuis terkait panduan · Sedang Tingkat

Kuis Pembelajaran Sedikit-Dimensi

Bandingkan demonstrasi dalam konteks dan pembelajaran beberapa langkah berbasis metrik, dengan peran dukungan/kueri, penghitungan prototipe, notasi, dan pengurutan cepat.

Jalur panduan terkaitPembelajaran Sedikit Tembakan
Pertanyaan 1 dari 8

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

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  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. Ketika model bahasa besar melakukan pembelajaran beberapa kali dalam konteks dari sebuah perintah, apa yang terjadi dengan bobotnya?
    • Mereka sedikit menyempurnakan contoh-contoh cepat
    • Mereka diatur ulang ke pos pemeriksaan khusus tugas
    • Mereka tetap tidak berubah; contoh hanya mengkondisikan prediksi
    • Mereka dirata-ratakan dengan contoh penyematan
  3. Apa perbedaan utama antara dorongan zero-shot dan beberapa-shot?
    • Zero-shot tidak memberikan contoh yang berhasil; beberapa tembakan memberikan beberapa
    • Zero-shot menggunakan model yang lebih kecil dibandingkan multiple-shot
    • Zero-shot selalu berkinerja lebih baik daripada beberapa-shot
    • Zero-shot memerlukan data pelatihan berlabel sedangkan beberapa-shot tidak
  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. Manakah yang menggambarkan metode beberapa langkah berbasis metrik seperti jaringan prototipe?
    • Itu menulis label contoh ke dalam database untuk pencarian
    • Ini menghasilkan contoh sintetik hingga jumlahnya ribuan
    • Ini membandingkan sampel baru dengan rata-rata penyematan beberapa contoh di setiap kelas dan memilih yang terdekat
    • Ini menggunakan pembelajaran penguatan dari umpan balik manusia
  6. Seorang praktisi menemukan bahwa hanya dengan menyusun ulang contoh dalam beberapa langkah akan mengubah akurasi. Hal ini menggambarkan apa?
    • Bug perangkat keras di GPU
    • Performa beberapa gambar tersebut mungkin sensitif terhadap urutan contoh dan pemformatan
    • Bahwa model tersebut terlalu cocok dengan set pengujian
    • Pukulan nol itu mustahil dilakukan
  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