Questionário de correspondência de fluxo

As respostas e explicações aparecem conforme você responde ao teste.

1. O que um modelo de correspondência de fluxo aprende diretamente a prever?
   • Um campo de velocidade que move amostras do ruído em direção aos dados
   • Um rótulo de classificação para cada imagem
   • Os bytes JPEG compactados de uma imagem
   • Uma tabela de pesquisa fixa de valores de pixel
2. Como as amostras são geradas a partir de um modelo de correspondência de fluxo treinado?
   • Amostrando uma cadeia discreta de palavras de Markov
   • Integrando o campo de velocidade aprendido com um solucionador ODE começando com ruído
   • Executando descida gradiente na imagem de entrada
   • Calculando a média de todo o conjunto de treinamento
3. O que torna a perda de correspondência de fluxo condicional tratável para treinar?
   • Ele ignora totalmente os dados
   • Requer resolver analiticamente o campo marginal completo
   • Ele condiciona um único ponto de dados e usa um caminho de interpolação simples e conhecido
   • Só funciona em uma imagem por vez para sempre
4. Por que a variante ‘fluxo retificado’ permite uma geração mais rápida?
   • Ele usa redes neurais maiores
   • Ele pula totalmente o treinamento
   • Ele converte imagens em texto primeiro
   • Ele endireita os caminhos de probabilidade para que sejam necessárias menos etapas do solucionador de EDO
5. Which named image model’s paper explicitly describes a rectified-flow transformer?
   • Stable Diffusion 3
   • Flux, as established by the cited source set
   • ResNet-50
   • YOLOv8
6. Na correspondência de fluxo condicional, qual é a interpolação típica entre uma amostra de ruído e uma amostra de dados no tempo t?
   • Uma mistura aleatória de pixels
   • x_t = (1-t)*ruído + t*dados, uma mistura em linha reta
   • Quadratura de cada valor de pixel
   • Classificando pixels por brilho
7. In conditional flow matching, how is the marginal vector field related to conditional vector fields?
   • It is the largest vector in the training batch
   • It is a fixed class label independent of time
   • It is the conditional expectation of the conditional vector field over the conditioning variable
   • It is the average pixel value of the data
8. Beyond generative modeling, what other task does the original rectified-flow paper describe?
   • Speech diarization with speaker embeddings
   • Classifying handwritten digits from labels alone
   • Predicting calendar availability
   • Data or domain transfer between distributions