تباہ کن بھولنے والا کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. Which situation describes catastrophic forgetting in a neural network?
   • جب کوئی نیا کام سیکھنے سے ماڈل پہلے سیکھی ہوئی صلاحیتوں کو کھو دیتا ہے۔
   • جب اندازہ کے دوران ایک ماڈل کی میموری ختم ہوجاتی ہے۔
   • جب تربیت کا ڈیٹا غلطی سے حذف ہوجاتا ہے۔
   • جب کوئی ماڈل کسی سوال کا جواب دینے سے انکار کرتا ہے۔
2. عصبی نیٹ ورکس میں تباہ کن بھول کیوں ہوتی ہے؟
   • کیونکہ ہر کام کو اپنا الگ نیٹ ورک خود بخود مل جاتا ہے۔
   • کیونکہ نئے گریڈینٹ اپ ڈیٹس مشترکہ وزن کو اوور رائٹ کر دیتے ہیں جو پرانی مہارتوں کو انکوڈ کرتے ہیں۔
   • کیونکہ ماڈلز ایک سے زیادہ حقائق کو محفوظ نہیں کر سکتے
   • کیونکہ توجہ کی پرتیں جان بوجھ کر ڈیٹا کو حذف کرتی ہیں۔
3. ایلاسٹک ویٹ کنسولیڈیشن (EWC) بھول جانے کو کم کرنے کے لیے کیا کرتا ہے؟
   • نئے کام کا ڈیٹا حذف کرتا ہے۔
   • سیکھنے کی شرح کو دوگنا کرتا ہے۔
   • پہلے سیکھے گئے کاموں کے لیے اہم وزن میں تبدیلیوں کو سزا دیتا ہے۔
   • ماڈل سے توجہ ہٹاتا ہے۔
4. ری پلے (ریہرسل) جنگی بھولنے کا تجربہ کیسے ہوتا ہے؟
   • پورے ماڈل کو مستقل طور پر منجمد کر کے
   • صرف تازہ ترین ڈیٹا پر تربیت کے ذریعے
   • تہوں کی تعداد کو کم کرکے
   • نئی تربیت کے دوران ذخیرہ شدہ پرانی مثالوں کو آپس میں ملا کر
5. What does LoRA do to base-model weights when adding a task-specific adapter?
   • It freezes base weights and trains a low-rank adapter, which may reduce direct interference but does not guarantee retention
   • It rewrites every base weight for each new task
   • It stores no task-specific parameters
   • It guarantees zero forgetting on every task sequence
6. بازیافت میں اضافہ شدہ نقطہ نظر تباہ کن بھول جانے کو کیسے روکتا ہے؟
   • جگہ بنانے کے لیے پرانے علم کو حذف کر کے
   • وزن کی بجائے ایک بیرونی ڈیٹا بیس میں نئے علم کو ذخیرہ کرکے
   • بے ترتیب شور پر مسلسل تربیت کے ذریعے
   • ماڈل کی میموری کو مکمل طور پر غیر فعال کر کے
7. How does Gradient Episodic Memory (GEM) constrain learning on a new task?
   • It removes old task examples from memory
   • It changes the model to a nearest-class-mean classifier
   • It adjusts the gradient so the first-order approximation does not increase loss on stored prior-task examples
   • It adds a KL penalty to every parameter regardless of task
8. How do RAG-Token and RAG-Sequence differ in the original RAG paper?
   • RAG-Token removes retrieval while RAG-Sequence removes generation
   • RAG-Sequence uses images while RAG-Token uses audio
   • RAG-Token trains without model parameters
   • RAG-Token marginalizes retrieved documents per output token, while RAG-Sequence uses one document for a whole sequence