RoBERTa Eğitim Tarifi Yarışması

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. RoBERTa'nın orijinal BERT hakkındaki ana görüşü neydi?
   • BERT'in mimarisi temelde kusurluydu
   • BERT çok fazla parametre kullandı
   • BERT önemli ölçüde yetersiz eğitilmişti
   • BERT'in bir kod çözücünün eklenmesine ihtiyacı vardı
2. RoBERTa hangi BERT hedefini kaldırdı?
   • Sonraki cümle tahmini
   • Maskeli dil modelleme
   • Jeton sınıflandırması
   • Değiştirilen jeton tespiti
3. RoBERTa'da dinamik maskeleme nedir?
   • Derlemdeki yalnızca en nadir kelimeleri maskeleme
   • Tüm cümleleri aynı anda maskeleme
   • Aynı token'ı bir derlemede asla iki kez maskeleme
   • Bir dizi her görüldüğünde yeni bir maske modeli oluşturma
4. RoBERTa'nın eğitim verileri BERT'inkilerle karşılaştırıldığında nasıldı?
   • Aynı 16GB metni kullandı
   • Yaklaşık 160 GB, yaklaşık 10 kat daha fazla kullanıldı
   • Daha az veri kullandı ancak etiketler daha temizdi
   • Yalnızca Vikipedi'yi kullandı
5. RoBERTa'yı hangi kuruluş yayınladı?
   • Facebook AI (Meta)
   • Google Yapay Zeka
   • OpenAI
   • Microsoft Araştırma
6. RoBERTa'nın çok dilli versiyonuna ne denir?
   • mBERT
   • RoBERTa-XL
   • XLM-R (XLM-RoBERTa)
   • PolyRoBERTa
7. Which text encoding did the RoBERTa recipe use according to the guide?
   • A fixed vocabulary of complete words only
   • Byte-level byte-pair encoding
   • One image patch per token
   • A phoneme-only vocabulary
8. A researcher credits a new layer for beating BERT but also changes the data volume and training duration. Which lesson from RoBERTa matters?
   • Architecture changes always explain every improvement
   • Training duration can be ignored if the benchmark is the same
   • Data volume cannot affect an encoder
   • Training choices can account for gains, so they must be considered when comparing models