Kuis terkait panduan · Sedang Tingkat

T5 dan Kuis Transfer Teks-ke-Teks

Uji awalan tugas T5, korupsi rentang, perhatian encoder-decoder, dan perbedaan antara penyetelan instruksi dan jawaban buku tertutup.

Jalur panduan terkaitT5 Dan Transfer Teks Ke Teks
Pertanyaan 1 dari 8

Apa ide yang menentukan di balik T5?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa ide yang menentukan di balik T5?
    • Itu hanya melakukan terjemahan mesin
    • Ini menghasilkan gambar dari keterangan
    • Setiap tugas NLP dibingkai sebagai masukan teks ke keluaran teks
    • Ini menggantikan semua pelatihan dengan pembelajaran penguatan
  2. Arsitektur Transformer apa yang digunakan T5?
    • Encoder-decoder lengkap
    • Khusus pembuat enkode, seperti BERT
    • Khusus decoder, seperti GPT
    • Tidak ada perhatian sama sekali
  3. Tujuan prapelatihan apa yang terutama digunakan oleh T5?
    • Hanya prediksi kalimat berikutnya
    • Memprediksi harga saham
    • Lukisan gambar
    • Korupsi rentang, menutupi rentang yang berdekatan digantikan oleh token sentinel
  4. Pada korpus apa T5 dilatih sebelumnya?
    • Hanya Wikipedia
    • Corpus Perayapan Bersih Kolosal C4
    • Kumpulan data kode sumber
    • Transkrip audio
  5. Bagaimana T5 mewakili tugas klasifikasi seperti analisis sentimen?
    • Ini hanya menghasilkan vektor probabilitas
    • Ini mengembalikan ID numerik
    • Ini menghasilkan kata label literal, seperti 'positif' atau 'negatif'
    • Ia tidak dapat melakukan klasifikasi
  6. Apa FLAN-T5 dibandingkan dengan T5 asli?
    • Model gambar yang lebih kecil
    • Keturunan yang disesuaikan dengan instruksi yang menggeneralisasi tugas-tugas yang tidak terlihat
    • Sistem pengenalan suara
    • Alat basis data yang tidak terkait
  7. When T5 generates a summary, what does decoder cross-attention let it consult?
    • The encoder's representations of the input article
    • Only previously generated summary tokens
    • Only the unprocessed task label
    • The training optimizer's stored gradients
  8. In a closed-book T5 question-answering setup, where does the answer's factual information come from at inference?
    • A document retrieval step required for every question
    • A newly supplied answer passage required in the prompt
    • A live database lookup built into span corruption
    • Knowledge encoded in the model's learned parameters