シーケンス間モデルに関するクイズ

クイズに答えると、答えと解説が表示されます。

1. シーケンス間モデルの 2 つの主要コンポーネントは何ですか?
   • エンコーダとデコーダ
   • トークナイザーと分類子
   • 2 つの同一のエンコーダー
   • フィルターとランカー
2. seq2seq モデルでアテンション メカニズムが解決した重要な問題は何ですか?
   • トークン化が遅い
   • 長い入力に対する固定長ベクトルのボトルネック
   • 語彙力の不足
   • 過剰なトレーニングデータ
3. オリジナルの 2014 seq2seq 変換モデルはどのようなアーキテクチャを使用しましたか?
   • 畳み込みネットワーク
   • ディシジョンツリー
   • スタックされた LSTM
   • 裸のフィードフォワード層
4. 注意は各デコードステップのコンテキストをどのように構築するのでしょうか?
   • すべての入力トークンを均等に平均することによって
   • エンコーダーを完全に無視することで
   • 最後の入力トークンをコピーすることによって
   • アライメントスコアを使用したエンコーダ状態の加重合計による
5. seq2seq の出力の長さが入力と異なる場合があるのはなぜですか?
   • デコーダは停止信号を発行するまでトークンを生成します。
   • 入力と出力は常に同じ長さです
   • エンコーダーがすべてをパディングします
   • 長さはあらかじめ決まっている
6. Transformer ベースの seq2seq アーキテクチャで人気のある最新のモデルはどれですか?
   • ResNet と VGG
   • T5 と BART
   • K 平均法と PCA
   • Word2Vec と 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