Questionário sobre codificadores automáticos variacionais

As respostas e explicações aparecem conforme você responde ao teste.

1. O que o codificador em uma saída VAE faz para uma determinada entrada?
   • Os parâmetros de uma distribuição de probabilidade, como média e variância
   • Um único ponto fixo no espaço latente
   • Um rótulo de classe
   • Uma cópia reconstruída da entrada
2. Qual é o propósito do truque da reparametrização?
   • Para aumentar o decodificador
   • Para permitir que gradientes fluam através da etapa de amostragem aleatória
   • Para eliminar a necessidade de um decodificador
   • Para comprimir ainda mais o espaço latente
3. In the standard Gaussian VAE formulation, what does the KL term encourage?
   • The decoder to predict future input tokens
   • The encoder to remove all randomness
   • The approximate posterior to stay close to the chosen prior, commonly a standard normal
   • Every latent variable to have the same observed value
4. A função objetivo que os VAEs maximizam durante o treinamento é chamada de:
   • Teto de entropia cruzada
   • Perda adversária
   • Margem quadrada média
   • Limite Inferior de Evidência (ELBO)
5. In a Gaussian VAE, what enables generation of a new sample?
   • Sample a latent from the prior and decode it with the learned decoder
   • Copy a training image directly without a model
   • Run the encoder backward with no latent sampling
   • Choose a random class label without decoding
6. Em um modelo de difusão latente como a Difusão Estável, qual o papel do VAE?
   • Ele rotula as imagens de treinamento
   • Ele comprime imagens em um espaço latente onde a difusão ocorre e depois decodifica de volta em pixels
   • Ele substitui o codificador de texto
   • Ele programa os níveis de ruído
7. In variational inference, what does the ELBO provide for the marginal log likelihood log p(x)?
   • An exact value of log p(x) for every model
   • A guarantee that each generated sample is realistic
   • A tractable lower bound that can be maximized instead of directly maximizing log p(x)
   • A posterior distribution that requires no inference model
8. What distribution does a VAE decoder model given a latent vector?
   • The encoder’s approximate posterior q(z|x)
   • The training set’s class-frequency histogram only
   • The optimizer’s learning-rate schedule
   • The likelihood of an observation conditioned on that latent, p(x|z)