Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Pembelajaran Sedikit Pukulan

Bandingkan demonstrasi dalam konteks dan pembelajaran beberapa pukulan berasaskan metrik, dengan peranan sokongan/pertanyaan, pengiraan prototaip, tatatanda dan pesanan segera.

Laluan panduan yang berkaitanPembelajaran Sedikit Pukulan
soalan 1 daripada 8

In an N-way K-shot classification episode, what does K count?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  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. Apabila model bahasa yang besar melakukan pembelajaran beberapa pukulan dalam konteks daripada gesaan, apakah yang berlaku kepada pemberatnya?
    • Mereka diperhalusi sedikit pada contoh segera
    • Mereka ditetapkan semula ke pusat pemeriksaan khusus tugas
    • Mereka kekal tidak berubah; contoh hanya menyatakan ramalan
    • Mereka dipuratakan dengan contoh benam
  3. Apakah perbezaan utama antara gesaan sifar pukulan dan beberapa pukulan?
    • Zero-shot tidak memberikan contoh yang berkesan; few-shot menyediakan beberapa
    • Zero-shot menggunakan model yang lebih kecil daripada few-shot
    • Tangkapan sifar sentiasa berprestasi lebih baik daripada tangkapan sedikit
    • Zero-shot memerlukan data latihan berlabel manakala few-shot tidak
  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. Yang manakah menerangkan kaedah beberapa pukulan berasaskan metrik seperti rangkaian prototaip?
    • Ia menulis label contoh ke dalam pangkalan data untuk carian
    • Ia menjana contoh sintetik sehingga mempunyai beribu-ribu
    • Ia membandingkan sampel baharu dengan purata pembenaman bagi setiap contoh kelas dan memilih yang terdekat
    • Ia menggunakan pembelajaran pengukuhan daripada maklum balas manusia
  6. Seorang pengamal mendapati bahawa hanya menyusun semula contoh dalam beberapa pukulan segera mengubah ketepatan. Apakah ini menggambarkan?
    • Pepijat perkakasan dalam GPU
    • Prestasi beberapa pukulan itu boleh menjadi sensitif terhadap susunan dan pemformatan contoh
    • Bahawa model itu terlalu sesuai dengan set ujian
    • Tembakan sifar itu mustahil
  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