AI 모델 설명 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. AI 애플리케이션의 어떤 구성 요소가 머신 러닝 모델 자체입니까?
   • 구조와 학습된 매개변수를 사용하여 입력을 출력으로 매핑하는 수학적 시스템
   • 모든 제품 기능을 포함하는 사용자 인터페이스
   • 모델이 방문할 수 있는 일련의 웹사이트
   • 팀이 AI를 사용하는 방법을 정의하는 정책 문서
2. 한 팀에게는 100 ms의 엄격한 지연 시간 제한이 있습니다. 가이드의 예시 테스트에서 어떤 후보가 이를 충족하나요?
   • 정확도 94% 및 400 ms의 모델 B
   • 정확도 92% 및 30 ms의 모델 A
   • 둘 다 아님, 정확도는 100%여야 하므로
   • 둘 다, 90% 이상을 기록했으므로
3. 학습된 파라미터가 아니라 하이퍼파라미터인 항목은 무엇인가요?
   • 훈련 중에 조정되는 가중치 값
   • 적합된 모델이 입력을 위해 사용하는 계수
   • 검증을 통해 선택된 트리 깊이 제한
   • 하나의 예시에 대해 반환된 예측
4. 검색 시스템이 쿼리 시점에 모델에 검색된 문서를 제공합니다. 재훈련 없이 변경되는 것은 무엇인가요?
   • 모델 가중치를 반드시 재훈련함
   • 모든 쿼리에 대해 모델을 파인튜닝함
   • 모델 버전을 영구적으로 변경함
   • 모델 가중치를 변경하지 않고 사용 가능한 근거를 추가함
5. 개발자가 추가 예시로 모델을 파인튜닝합니다. 무엇이 변경되나요?
   • 모델 가중치(정보가 최신이라는 보장은 없음)
   • 한 번의 쿼리에 대해 검색된 텍스트만
   • 애플리케이션의 사용자 인터페이스이지만 모델은 아님
   • 검증 세트이지만 모델 동작은 아님
6. 팀이 파운데이션 모델을 새로운 문서 작업에 적용합니다. 이 재사용에 대한 설명 중 정확한 것은 무엇입니까?
   • 반드시 최초로 구축된 AI 모델이어야 함
   • 여러 작업에 적용할 수 있지만 여전히 평가가 필요함
   • 건물 건설을 위한 모델일 뿐임
   • 프롬프트에 응답하기 전에 반드시 파인튜닝해야 함
7. 팀이 모델 버전을 변경한 후 다시 평가해야 하는 이유는 무엇입니까?
   • 버전이 변경될 때마다 인터페이스도 항상 변경됨
   • 새 버전이 나오면 지연 시간 측정이 불필요해짐
   • 인터페이스가 안정적으로 유지되더라도 동작은 변경될 수 있음
   • 모델 이름이 정확도가 더 높다는 것을 증명함
8. 팀이 정의된 애플리케이션을 위해 후보 모델 중에서 어떻게 선택해야 합니까?
   • 기본적으로 가장 큰 파라미터 수를 선택
   • 오류를 확인하지 않고 리더보드 점수를 사용
   • 테스트 없이 최신 버전을 선택
   • 대표적인 입력, 오류 및 운영 제약 조건을 비교한 다음 가장 적절하고 단순한 옵션을 선호