Quiz collegato alla guida · Facile Livello
Quiz sulla modellazione del linguaggio
Testare le probabilità autoregressive, i limiti di n-grammi, gli obiettivi derivati dai dati, la generazione, la perdita, il campionamento, i prefissi di addestramento osservati e la probabilità congiunta.
Domanda 1 di 8
Nella formulazione autoregressiva del modello di linguaggio dichiarata, cosa viene previsto dal contesto dei token precedenti?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Nella formulazione autoregressiva del modello di linguaggio dichiarata, cosa viene previsto dal contesto dei token precedenti?
- Una distribuzione di probabilità per il token successivo
- Il rango alfabetico del file originale
- Solo una misura di temperatura dal dispositivo
- Un'etichetta immagine obbligatoria senza informazioni di sequenza
- Quali limitazioni dovrebbero essere considerate per un modello di linguaggio n-gram a breve storia?
- Un requisito che tutti i modelli n-gram rifiutino ogni sequenza non vista anche con smoothing
- Una garanzia di storia illimitata
- Un requisito di elaborare solo immagini
- Contesto limitato e possibili probabilità zero per continuazioni non viste senza smoothing
- Perché la pre‑addestramento di un modello linguistico next‑token può ottenere obiettivi senza una singola annotazione di classe per ogni posizione?
- Il modello non ha un obiettivo di addestramento
- I token successivi target sono già presenti nel testo osservato
- Tutto il testo di addestramento deve essere stato generato dallo stesso modello
- Ogni posizione richiede un classificatore di immagini esterno
- Come utilizza la generazione autoregressiva di testo un token di continuazione selezionato?
- Prevede ogni token futuro in modo indipendente in un unico passo
- Scarta ogni token selezionato prima della previsione successiva
- Aggiunge il token e utilizza l'output precedente disponibile come contesto per le previsioni successive
- Modifica le etichette di addestramento in base ai risultati futuri del deployment
- Quale obiettivo è comunemente minimizzato per la configurazione di addestramento next‑token autoregressivo indicata?
- Distanza numerica quadrata tra i valori ID dei token alfabetici
- Solo il numero di token in un nome file di output
- Solo la perdita hinge sulle posizioni dei pixel dell'immagine
- Entropia incrociata o logaritmo di verosimiglianza negativo per i token target osservati
- Cosa influenzano temperatura e scelte top-p durante la generazione campionata di modelli linguistici?
- Come vengono selezionati i token di continuazione dai punteggi del modello
- Il numero di strati addestrati dopo ogni token
- Una garanzia che tutte le affermazioni di output diventino vere
- L'etichetta scritta in ogni sequenza di addestramento osservata
- Durante l'addestramento con token successivo forzato dall'insegnante, da dove proviene il contesto precedente per un token target?
- Solo l'output precedentemente campionato liberamente dal modello
- Un corpus di sostituzione generato casualmente a ogni posizione
- La sequenza di addestramento osservata
- I tag di valutazione finale forniti dopo il deployment
- Un prefisso a due token dichiarato ha probabilità 0,5 per il primo token e 0,2 per il secondo dato il primo. Qual è la probabilità congiunta del prefisso?
- 0.7
- 0,1
- 0.4
- 0.3