Questionário vinculado ao guia · Médio Nível
Teste de aprendizagem rápido
Compare demonstrações no contexto e aprendizado rápido baseado em métricas, com funções de suporte/consulta, cálculos de protótipo, notação e pedidos imediatos.
Pergunta 1 de 8
In an N-way K-shot classification episode, what does K count?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- 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
- Quando um modelo de linguagem grande faz aprendizado instantâneo no contexto a partir de um prompt, o que acontece com seus pesos?
- Eles são ligeiramente ajustados nos exemplos imediatos
- Eles são redefinidos para um ponto de verificação específico da tarefa
- Eles permanecem inalterados; os exemplos apenas condicionam a previsão
- Eles são calculados em média com os exemplos de incorporações
- Qual é a principal diferença entre a solicitação de disparo zero e a solicitação de poucos disparos?
- Zero-shot não fornece exemplos práticos; Few-shot fornece alguns
- Zero-shot usa um modelo menor do que poucos tiros
- Tiro zero sempre tem melhor desempenho do que poucos tiros
- Zero-shot requer dados de treinamento rotulados, enquanto poucos tiros não
- 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
- O que descreve um método de poucos disparos baseado em métricas, como uma rede prototípica?
- Ele grava rótulos de exemplo em um banco de dados para pesquisa
- Gera exemplos sintéticos até ter milhares
- Ele compara uma nova amostra com a incorporação média dos poucos exemplos de cada classe e escolhe o mais próximo.
- Ele usa aprendizagem por reforço a partir de feedback humano
- Um profissional descobre que simplesmente reordenar os exemplos em poucas etapas altera a precisão. O que isso ilustra?
- Um bug de hardware na GPU
- Esse desempenho de poucas fotos pode ser sensível à ordem e formatação dos exemplos
- Que o modelo está se adaptando ao conjunto de teste
- Esse tiro zero seria impossível
- 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)
- 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