Rehber bağlantılı sınav · Orta Seviye

Sıradan Sıraya Modeller Testi

Kodlayıcı-kod çözücü modellerinin, dikkat ve çapraz dikkat mekanizmalarını kullanarak giriş dizilerini farklı uzunluktaki çıkışlarla nasıl eşleştirdiğini öğrenin.

İlgili kılavuz yollarıSıradan Sıraya Modeller
Soru 1 arasında 8

Sıradan diziye modelinin iki ana bileşeni nedir?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Sıradan diziye modelinin iki ana bileşeni nedir?
    • Bir kodlayıcı ve bir kod çözücü
    • Bir belirteç ve sınıflandırıcı
    • İki özdeş kodlayıcı
    • Bir filtre ve bir sıralayıcı
  2. Seq2seq modellerinde dikkat mekanizması hangi temel sorunu çözdü?
    • Yavaş tokenizasyon
    • Uzun girdiler için sabit uzunluklu vektör darboğazı
    • Kelime bilgisi eksikliği
    • Aşırı eğitim verisi
  3. Orijinal 2014 seq2seq çeviri modeli hangi mimariyi kullanıyordu?
    • Evrişimsel ağlar
    • Karar ağaçları
    • Yığılmış LSTM'ler
    • Çıplak ileri beslemeli katmanlar
  4. Dikkat, her kod çözme adımı için bağlamı nasıl oluşturur?
    • Tüm giriş jetonlarının ortalamasını eşit olarak alarak
    • Kodlayıcıyı tamamen göz ardı ederek
    • Son giriş jetonunu kopyalayarak
    • Hizalama puanları kullanılarak kodlayıcı durumlarının ağırlıklı toplamına göre
  5. Seq2seq çıkışlarının uzunluğu neden girişlerden farklı olabilir?
    • Kod çözücü bir durdurma sinyali verene kadar jetonlar üretir
    • Girişler ve çıkışlar her zaman eşit uzunluktadır
    • Kodlayıcı her şeyi doldurur
    • Uzunluk önceden sabitlenir
  6. Hangi modern modeller popüler Transformer tabanlı seq2seq mimarileridir?
    • ResNet ve VGG
    • T5 ve BART
    • K-araçları ve PCA
    • Word2Vec ve 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