ELECTRA Eğitim Öncesi Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. ELECTRA maskeli dil modellemesi yerine hangi ön eğitim görevini kullanıyor?
   • Değiştirilen jeton tespiti
   • Sonraki cümle tahmini
   • Otoregresif sonraki kelime tahmini
   • Permütasyon dili modelleme
2. ELECTRA neden BERT'ten daha verimlidir?
   • Çok daha küçük bir kelime dağarcığı kullanır
   • Yalnızca maskelenmiş tokenlar için değil, tüm tokenlar için bir öğrenme sinyali hesaplar
   • Yalnızca tokenların maskelenmiş %15'lik kısmı üzerinde eğitim alır
   • Dikkat mekanizmasını tamamen atlıyor
3. Küçük jeneratör ağının ELECTRA'daki rolü nedir?
   • Nihai çıktıları kaliteye göre sıralar
   • Eğitimden sonra modeli sıkıştırır
   • Ayrımcının yargılaması için makul yedek jetonlar üretir
   • Metni diller arasında çevirir
4. Ön eğitim tamamlandıktan sonra jeneratöre ne olur?
   • Aşağı akış görevi için ince ayar yapılmıştır
   • Ayırıcı ile birleştirilir
   • Neslin kod çözücüsü olur
   • Atılır; yalnızca ayırıcı kullanılır
5. ELECTRA öncelikle hangi kuruluşların araştırmacıları tarafından geliştirildi?
   • Google ve Stanford
   • Meta AI ve NYU
   • OpenAI ve Microsoft
   • DeepMind ve Oxford
6. Hangi sonraki model ELECTRA'nın değiştirilen jeton algılama fikrini genişletti?
   • GPT-2
   • DeBERTa-v3
   • T5
   • Word2Vec
7. What happens if ELECTRA’s generator proposes the original token at a position?
   • It is always labeled replaced because the generator proposed it
   • The position is removed from the input
   • That token is treated as original by the discriminator’s replaced-token label
   • The whole sequence is discarded
8. When comparing ELECTRA with another pretraining method, what makes a compute claim meaningful?
   • Compare model names alone
   • Assume every ELECTRA run uses one fixed compute ratio
   • Ignore generator training cost
   • Specify model size, data, training budget, and evaluation setting