Викторина, связанная с руководством · Жесткий Уровень

Тест на суперпозицию и многозначность

Проверки включают суперпозицию, разреженность, многосемантические нейроны, перекрывающиеся направления и геометрию сжатых представлений.

Связанные направляющие путиСуперпозиция и многозначность
Вопрос 1 из 8

Что означает «суперпозиция» в нейронных сетях?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что означает «суперпозиция» в нейронных сетях?
    • Представление большего количества функций, чем имеется нейронов, путем перекрытия их направлений.
    • Установка нескольких моделей друг на друга
    • Запуск модели дважды и усреднение
    • Добавление шума к входным данным во время обучения
  2. Какое условие обеспечивает хорошую работу суперпозиции, несмотря на взаимодействие функций?
    • Функции постоянно активно активны
    • Функций мало, поэтому немногие из них активны одновременно.
    • Использование только положительных активаций
    • Иметь больше нейронов, чем функций
  3. Что такое многозначный нейрон?
    • Нейрон, который никогда не активируется
    • Нейрон, используемый только в выходном слое
    • Нейрон, который реагирует на множество несвязанных понятий
    • Нейрон без связей
  4. Какой документ Anthropic представил контролируемое исследование этого явления в 2022 году?
    • Внимание — это все, что вам нужно
    • Классификация ImageNet с глубокими CNN
    • Игра в Atari с Deep RL
    • Игрушечные модели суперпозиции
  5. Если слой должен хранить больше объектов, чем имеет размеры, что является геометрически неизбежным?
    • Некоторые объекты должны иметь перекрывающиеся, неортогональные направления.
    • Все функции могут оставаться совершенно ортогональными.
    • Сеть должна выйти из строя
    • Все функции становятся идентичными
  6. Почему суперпозиция затрудняет интерпретируемость?
    • Это замедляет работу модели.
    • Отдельные нейроны больше не соответствуют единым концепциям.
    • Удаляет все функции из модели.
    • Это влияет только на входной слой
  7. Why does sparse feature activity reduce interference when more features than dimensions are represented?
    • Sparse activity makes all feature directions orthogonal
    • It increases the number of neurons automatically
    • Fewer features are active at the same time, so overlapping directions collide less often
    • It removes the need for nonlinear computation
  8. What does an antipodal pair of feature directions look like geometrically?
    • Two vectors at a right angle in separate dimensions
    • Two vectors with identical directions and magnitudes
    • A vector with no coordinates
    • Two directions that point opposite ways along the same line