가이드 연계 퀴즈 · 중간 레벨
시퀀스-투-시퀀스 모델 퀴즈
인코더-디코더 모델이 어텐션 및 교차 어텐션 메커니즘을 사용하여 입력 시퀀스를 다양한 길이의 출력에 매핑하는 방법을 알아보세요.
질문 1 의 8
시퀀스-투-시퀀스 모델의 두 가지 주요 구성요소는 무엇입니까?
모든 질문 미리보기8 질문
퀴즈를 풀면 정답과 설명이 나타납니다.
- 시퀀스-투-시퀀스 모델의 두 가지 주요 구성요소는 무엇입니까?
- 인코더와 디코더
- 토크나이저 및 분류자
- 두 개의 동일한 인코더
- 필터와 랭커
- seq2seq 모델에서 어텐션 메커니즘이 해결한 주요 문제는 무엇입니까?
- 느린 토큰화
- 긴 입력에 대한 고정 길이 벡터 병목 현상
- 어휘력 부족
- 과도한 훈련 데이터
- 원래 2014 seq2seq 변환 모델은 어떤 아키텍처를 사용했습니까?
- 컨벌루션 네트워크
- 의사결정 트리
- 스택형 LSTM
- 베어 피드포워드 레이어
- 주의는 각 디코딩 단계의 맥락을 어떻게 구축합니까?
- 모든 입력 토큰을 균등하게 평균하여
- 인코더를 완전히 무시함으로써
- 마지막 입력 토큰을 복사하여
- 정렬 점수를 사용하여 인코더 상태의 가중 합계 기준
- seq2seq 출력의 길이가 입력과 다를 수 있는 이유는 무엇입니까?
- 디코더는 중지 신호를 내보낼 때까지 토큰을 생성합니다.
- 입력과 출력의 길이는 항상 동일합니다.
- 인코더는 모든 것을 패딩합니다.
- 길이는 미리 정해져 있어요
- 인기 있는 Transformer 기반 seq2seq 아키텍처는 어떤 최신 모델입니까?
- ResNet과 VGG
- T5 및 BART
- K-평균 및 PCA
- Word2Vec 및 GloVe
- 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
- 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