Chestionar pentru modele secvență-la-secvență

Răspunsurile și explicațiile apar pe măsură ce susțineți testul.

1. Care sunt cele două componente principale ale unui model secvență-la-secvență?
   • Un encoder și un decodor
   • Un tokenizer și un clasificator
   • Două codificatoare identice
   • Un filtru și un clasament
2. Ce problemă cheie a rezolvat mecanismul atenției în modelele seq2seq?
   • Tokenizare lentă
   • Blocajul vectorial cu lungime fixă pentru intrări lungi
   • Lipsa unui vocabular
   • Date de antrenament excesive
3. Ce arhitectură a folosit modelul original de traducere seq2seq din 2014?
   • Rețele convoluționale
   • Arbori de decizie
   • LSTM-uri stivuite
   • Straturi goale de alimentare înainte
4. Cum construiește atenția contextul pentru fiecare pas de decodare?
   • Făcând media tuturor jetoanelor de intrare în mod egal
   • Ignorând în întregime codificatorul
   • Prin copierea ultimului jeton de intrare
   • Printr-o sumă ponderată a stărilor codificatorului folosind scorurile de aliniere
5. De ce ieșirile seq2seq pot diferi ca lungime de intrări?
   • Decodorul generează jetoane până când emite un semnal de oprire
   • Intrările și ieșirile sunt întotdeauna de lungime egală
   • Codificatorul plănuiește totul
   • Lungimea este fixată în avans
6. Ce modele moderne sunt arhitecturi populare seq2seq bazate pe Transformer?
   • ResNet și VGG
   • T5 și BART
   • K-means și PCA
   • Word2Vec și 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