Тест T5 і передача тексту в текст

Відповіді та пояснення з’являються під час виконання тесту.

1. Яка визначальна ідея T5?
   • Він виконує лише машинний переклад
   • Він створює зображення з підписів
   • Кожне завдання NLP оформляється як введення тексту до виведення тексту
   • Це замінює все навчання навчанням з підкріпленням
2. Яку архітектуру Transformer використовує T5?
   • Повноцінний кодер-декодер
   • Лише кодер, як BERT
   • Лише декодер, як GPT
   • Взагалі ніякої уваги
3. Яку передтренувальну мету в основному використовує T5?
   • Передбачення лише наступного речення
   • Прогнозування цін на акції
   • Зображення в живописі
   • Пошкодження діапазону, маскування суміжних діапазонів, замінених дозорними маркерами
4. На якому корпусі пройшов попереднє навчання Т5?
   • Тільки Вікіпедія
   • C4 Colossal Clean Crawled Corpus
   • Набір даних вихідного коду
   • Аудіозаписи
5. Як T5 представляє завдання класифікації, наприклад аналіз настроїв?
   • Виводить лише вектор ймовірності
   • Він повертає числовий ідентифікатор
   • Він генерує літеральне слово мітки, наприклад «позитивний» або «негативний».
   • Це не може зробити класифікацію
6. Що таке FLAN-T5 порівняно з оригінальним T5?
   • Менша модель зображення
   • Нащадок, налаштований на інструкції, який узагальнює невидимі завдання
   • Система розпізнавання мовлення
   • Непов'язаний інструмент бази даних
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