퓨샷 학습 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. In an N-way K-shot classification episode, what does K count?
   • The number of classes
   • Labeled support examples per class
   • All parameters in the model
   • The number of optimization epochs
2. 대규모 언어 모델이 프롬프트에서 컨텍스트 내 퓨샷 학습을 수행하면 가중치는 어떻게 되나요?
   • 프롬프트 예제에서는 약간 미세 조정되었습니다.
   • 작업별 체크포인트로 재설정됩니다.
   • 그것들은 변함없이 유지됩니다. 예제는 단지 예측을 조건으로 삼을 뿐입니다.
   • 예시 임베딩을 사용하여 평균을 냅니다.
3. 제로샷 프롬프트와 퓨샷 프롬프트의 주요 차이점은 무엇입니까?
   • 제로샷은 실제 사례를 제공하지 않습니다. 퓨샷은 몇 가지를 제공합니다
   • 제로샷은 퓨샷보다 작은 모델을 사용합니다.
   • 제로샷은 항상 퓨샷보다 더 나은 성능을 발휘합니다.
   • 제로샷에는 레이블이 지정된 훈련 데이터가 필요하지만 퓨샷에는 그렇지 않습니다.
4. How can prior learning contribute to a few-shot task?
   • It guarantees every arbitrary demonstration yields the intended rule
   • It requires copying each example as every final answer
   • It necessarily retrains all network weights during prompting
   • It can supply useful learned patterns or representations for interpreting the small support set
5. 프로토타입 네트워크와 같은 메트릭 기반 퓨샷 방법을 설명하는 것은 무엇입니까?
   • 조회를 위해 데이터베이스에 예시 라벨을 기록합니다.
   • 수천 개가 될 때까지 합성 사례를 생성합니다.
   • 새 샘플을 각 클래스의 몇 가지 예제의 평균 임베딩과 비교하고 가장 가까운 샘플을 선택합니다.
   • 인간의 피드백을 바탕으로 강화 학습을 사용합니다.
6. 실무자는 몇 번의 프롬프트에서 예제를 간단히 재정렬하면 정확도가 변경된다는 사실을 발견했습니다. 이것은 무엇을 설명하는가?
   • GPU의 하드웨어 버그
   • 이러한 몇 번의 샷 성능은 예제 순서 및 형식에 민감할 수 있습니다.
   • 모델이 테스트 세트에 과적합됨
   • 그 제로샷은 불가능하겠지
7. A class has embedded support points (0,0) and (2,0). What arithmetic-mean prototype does the stated prototypical method form?
   • (2,0)
   • (0,2)
   • (2,2)
   • (1,0)
8. Which distinction defines support and query roles in the original prototypical-network episode?
   • Support labels construct class prototypes; separate query items evaluate classification
   • Query labels must be copied into every support prototype
   • Support items contain no labels by definition
   • The two sets must always contain exactly the same sampled examples