แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

T5 และแบบทดสอบการถ่ายโอนข้อความเป็นข้อความ

ทดสอบคำนำหน้างาน T5, การเสียหายของสแปน, ความสนใจของตัวเข้ารหัสและตัวถอดรหัส และความแตกต่างระหว่างการปรับแต่งคำสั่งและคำตอบแบบปิด

เส้นทางแนะนำที่เกี่ยวข้องT5 และการถ่ายโอนข้อความเป็นข้อความ
คำถาม 1 ของ 8

แนวคิดสำคัญเบื้องหลัง T5 คืออะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. แนวคิดสำคัญเบื้องหลัง T5 คืออะไร?
    • มีเพียงการแปลด้วยเครื่องเท่านั้น
    • มันสร้างภาพจากคำบรรยาย
    • งาน NLP ทุกงานถูกจัดกรอบเป็นการป้อนข้อความไปยังเอาต์พุตข้อความ
    • โดยจะแทนที่การฝึกอบรมทั้งหมดด้วยการเรียนรู้แบบเสริมกำลัง
  2. T5 ใช้สถาปัตยกรรม Transformer ใด
    • ตัวเข้ารหัส-ตัวถอดรหัสเต็มรูปแบบ
    • ตัวเข้ารหัสเท่านั้น เช่น BERT
    • ตัวถอดรหัสเท่านั้น เช่น GPT
    • ไม่มีความสนใจเลย
  3. T5 มีวัตถุประสงค์หลักในการเตรียมการฝึกอบรมอะไร?
    • การทำนายประโยคถัดไปเท่านั้น
    • ทำนายราคาหุ้น
    • ภาพในการวาดภาพ
    • ความเสียหายของ Span โดยปิดบัง Span ที่ต่อเนื่องกันแทนที่ด้วยโทเค็น Sentinel
  4. T5 ได้รับการฝึกอบรมเกี่ยวกับคลังข้อมูลใด
    • วิกิพีเดียเท่านั้น
    • C4 Colossal Clean คลานคอร์ปัส
    • ชุดข้อมูลของซอร์สโค้ด
    • การถอดเสียง
  5. T5 นำเสนองานการจัดหมวดหมู่ เช่น การวิเคราะห์ความรู้สึก อย่างไร
    • มันจะส่งออกเวกเตอร์ความน่าจะเป็นเท่านั้น
    • จะส่งกลับรหัสตัวเลข
    • มันสร้างคำฉลากตามตัวอักษรเช่น 'บวก' หรือ 'เชิงลบ'
    • มันไม่สามารถจำแนกประเภทได้
  6. FLAN-T5 คืออะไรเมื่อเทียบกับ T5 ดั้งเดิม?
    • โมเดลรูปภาพขนาดเล็กลง
    • ผู้สืบทอดที่ได้รับการปรับแต่งคำสั่งซึ่งจะสรุปงานที่มองไม่เห็น
    • มีระบบรู้จำเสียงพูด
    • เครื่องมือฐานข้อมูลที่ไม่เกี่ยวข้อง
  7. When T5 generates a summary, what does decoder cross-attention let it consult?
    • The encoder's representations of the input article
    • Only previously generated summary tokens
    • Only the unprocessed task label
    • The training optimizer's stored gradients
  8. In a closed-book T5 question-answering setup, where does the answer's factual information come from at inference?
    • A document retrieval step required for every question
    • A newly supplied answer passage required in the prompt
    • A live database lookup built into span corruption
    • Knowledge encoded in the model's learned parameters