Quiz normalizujący przepływy

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką właściwość matematyczną musi mieć każde przekształcenie w przepływie normalizującym?
   • Musi to być losowe, nieodwracalne mapowanie
   • Musi być odwracalna (bijektywna) i różniczkowalna
   • Musi zmniejszać wymiarowość na każdym kroku
   • Musi to być dyskretna tabela przeglądowa
2. Który wzór pozwala normalizując przepływy obliczyć dokładne prawdopodobieństwo?
   • Funkcja softmax
   • Równanie Bellmana
   • Reguła Bayesa stosowana do logitów
   • Wzór na zmianę zmiennych z wykorzystaniem wyznacznika Jakobianu
3. Dlaczego architektury przepływu, takie jak RealNVP i Glow, korzystają z warstw sprzęgających?
   • Utworzyć trójkąt jakobianowy, aby obliczenie jego wyznacznika było tanie
   • Aby model był nieodwracalny
   • Aby wyeliminować potrzebę dystrybucji podstawowej
   • Aby przekonwertować model na GAN
4. What does a tractable normalizing flow provide that an ordinary GAN generator generally does not?
   • A guarantee of perfect anomaly detection
   • A guarantee of faster sampling than every GAN
   • An explicitly evaluable model density through change of variables
   • A non-invertible mapping with no base distribution
5. How should a team use normalizing-flow likelihoods for anomaly detection?
   • Assume every high-likelihood input is familiar
   • Treat density as the probability mass of a single point
   • Skip checking real anomaly labels
   • Validate them as a signal against relevant in-distribution and anomalous examples
6. Która nowoczesna technika stosowana w systemach takich jak Stable Diffusion 3 wyrosła z pomysłów na ciągły przepływ?
   • Propagacja wsteczna w czasie
   • Dopasowanie przepływu (uczenie się pola prędkości, które przenosi szum do danych)
   • Tokenizacja
   • Wyszukiwanie wiązki
7. A one-dimensional flow inverse is z = x / 2. What log-Jacobian term appears in log p(x)?
   • log(2)
   • The parameter count of the network
   • log(1/2)
   • No term because the inverse is linear
8. Why must a normalizing flow account for stretching or shrinking volume?
   • A transformed region’s density must reflect the changed volume
   • The transformation must lose half its dimensions
   • Every output point must have probability mass one
   • The base distribution must be discarded after training