Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Model Urutan ke Urutan

Ketahui cara model pengekod-penyahkod memetakan jujukan input kepada output panjang yang berbeza menggunakan mekanisme perhatian dan perhatian silang.

Laluan panduan yang berkaitanModel Urutan Kepada Urutan
soalan 1 daripada 8

Apakah dua komponen utama model jujukan-ke-jujukan?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah dua komponen utama model jujukan-ke-jujukan?
    • Pengekod dan penyahkod
    • Tokenizer dan pengelas
    • Dua pengekod yang sama
    • Penapis dan ranking
  2. Apakah masalah utama yang diselesaikan oleh mekanisme perhatian dalam model seq2seq?
    • Tokenisasi perlahan
    • Kesesakan vektor panjang tetap untuk input panjang
    • Kekurangan perbendaharaan kata
    • Data latihan yang berlebihan
  3. Apakah seni bina yang digunakan oleh model terjemahan asal seq2seq 2014?
    • Rangkaian konvolusi
    • Pokok keputusan
    • LSTM bertindan
    • Lapisan suapan hadapan kosong
  4. Bagaimanakah perhatian membina konteks untuk setiap langkah penyahkodan?
    • Dengan purata semua token input sama rata
    • Dengan mengabaikan pengekod sepenuhnya
    • Dengan menyalin token input terakhir
    • Dengan jumlah wajaran keadaan pengekod menggunakan skor penjajaran
  5. Mengapakah output seq2seq boleh berbeza panjang daripada input?
    • Penyahkod menjana token sehingga ia mengeluarkan isyarat berhenti
    • Input dan output sentiasa sama panjang
    • Pengekod melapisi segala-galanya
    • Panjang ditetapkan terlebih dahulu
  6. Model moden manakah yang merupakan seni bina seq2seq berasaskan Transformer yang popular?
    • ResNet dan VGG
    • T5 dan BART
    • K-means dan PCA
    • Word2Vec dan 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