Quiz collegato alla guida · Medio Livello
Quiz di apprendimento multi-tasking
Controlla la condivisione delle attività hard e soft, gli obiettivi ponderati, il trasferimento negativo e i metodi per gestire gradienti di attività contrastanti.
Domanda 1 di 8
Come viene impostato un modello di apprendimento multi-task durante la formazione?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Come viene impostato un modello di apprendimento multi-task durante la formazione?
- Addestramento di un modello su diverse attività correlate con rappresentazioni condivise
- Formazione di un modello separato per ogni attività
- Utilizzo solo di dati senza etichetta per una singola attività
- Rimozione di tutti i livelli nascosti da una rete
- In una tipica rete MTL con condivisione hardware dei parametri, cosa è condiviso e cosa è separato?
- Tutto è separato per attività
- Una spina dorsale condivisa con teste di output specifiche per attività
- È condivisa solo la funzione di perdita
- Solo i dati di input, mai i livelli
- Perché l’apprendimento multi-task può migliorare la generalizzazione?
- Elimina la necessità di qualsiasi dato
- Garantisce zero errori di addestramento
- I segnali provenienti da compiti correlati regolarizzano la rappresentazione condivisa e riducono l’overfitting
- Elimina la necessità di capi specifici per attività
- Cos'è il "trasferimento negativo" nell'apprendimento multi-task?
- Quando si aggiungono attività si accelera la formazione
- Quando il modello ha troppo pochi parametri
- Quando tutte le attività condividono le stesse etichette
- Quando l'apprendimento di un compito compromette le prestazioni di un altro a causa di segnali contrastanti
- Come si forma solitamente la perdita complessiva nell'apprendimento multi-task?
- Come somma ponderata delle perdite di attività individuali
- Prendendo solo la perdita di attività più grande
- Ignorando tutti i compiti tranne uno
- Moltiplicando insieme le perdite
- Perché i modelli linguistici di grandi dimensioni sono considerati intrinsecamente multitasking?
- Possono eseguire solo un compito fisso
- Un'unica rete gestisce la traduzione, il riepilogo, la codifica e le domande e risposte
- Usano un modello diverso per ogni prompt
- Non condividono mai i parametri tra le attività
- In soft parameter sharing, how are task models usually related?
- They use one identical model with no task-specific outputs
- They share no information and cannot exchange features
- They keep separate parameters but add a constraint or penalty encouraging similarity
- They share only the training labels
- What does PCGrad do when two task gradients conflict?
- It discards every task except the largest one
- It changes the task labels
- It replaces the shared backbone with separate datasets
- It projects away conflicting gradient components before combining updates