Kuis terkait panduan · Sedang Tingkat

Kuis Model Urutan ke Urutan

Pelajari bagaimana model encoder-decoder memetakan urutan masukan ke keluaran dengan panjang berbeda menggunakan mekanisme perhatian dan perhatian silang.

Jalur panduan terkaitModel Urutan Ke Urutan
Pertanyaan 1 dari 8

Apa dua komponen utama model urutan-ke-urutan?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa dua komponen utama model urutan-ke-urutan?
    • Encoder dan decoder
    • Tokenizer dan pengklasifikasi
    • Dua encoder identik
    • Filter dan serdadu
  2. Masalah utama apa yang dipecahkan oleh mekanisme perhatian dalam model seq2seq?
    • Tokenisasi lambat
    • Kemacetan vektor dengan panjang tetap untuk input panjang
    • Kurangnya kosakata
    • Data pelatihan yang berlebihan
  3. Arsitektur apa yang digunakan model terjemahan seq2seq asli 2014?
    • Jaringan konvolusional
    • Pohon keputusan
    • LSTM bertumpuk
    • Lapisan feed-forward telanjang
  4. Bagaimana perhatian membangun konteks untuk setiap langkah penguraian kode?
    • Dengan merata-ratakan semua token masukan secara merata
    • Dengan mengabaikan encoder sepenuhnya
    • Dengan menyalin token masukan terakhir
    • Dengan jumlah status pembuat enkode yang tertimbang menggunakan skor penyelarasan
  5. Mengapa keluaran seq2seq dapat berbeda panjangnya dengan masukan?
    • Dekoder menghasilkan token hingga mengeluarkan sinyal berhenti
    • Input dan output selalu sama panjangnya
    • Encoder mengisi semuanya
    • Panjangnya diperbaiki terlebih dahulu
  6. Model modern manakah yang merupakan arsitektur seq2seq berbasis Transformer yang populer?
    • ResNet dan VGG
    • T5 dan BART
    • K-means dan PCA
    • Word2Vec dan GloVe
  7. In encoder-decoder attention, which representations are commonly used as keys and values?
    • Only the decoder’s future hidden states
    • The vocabulary file’s byte offsets
    • The encoder’s output representations
    • The optimizer’s learning-rate history
  8. What does a bidirectional encoder provide to an attention-based decoder?
    • A fixed one-token output regardless of the input
    • A guarantee that output length equals input length
    • A causal mask over future target tokens
    • Contextual representations of source tokens that can use information from both directions