گائیڈ سے منسلک کوئز · درمیانہ سطح
کلاسیفائر فری گائیڈنس کوئز
درجہ بندی سے پاک رہنمائی، مشروط ڈراپ آؤٹ، کوالٹی ڈائیورسٹی ٹریڈ آف، تخمینہ لاگت، اور رہنمائی کے پیمانے کا جائزہ لیں۔ دائرہ کار اور مفروضوں کو چیک کریں۔
سوال 1 کی 8
بازی ماڈل کیوں درجہ بندی سے پاک رہنمائی کا اطلاق کرتے ہیں؟
ہر سوال کا جائزہ لیں۔8 سوالات
جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔
- بازی ماڈل کیوں درجہ بندی سے پاک رہنمائی کا اطلاق کرتے ہیں؟
- یہ مضبوط کرنے کے لیے کہ آؤٹ پٹ کنڈیشنگ پرامپٹ کی کتنی قریب سے پیروی کرتا ہے۔
- ماڈل کو چھوٹے سائز میں کمپریس کرنے کے لیے
- ٹیکسٹ انکوڈر کو مکمل طور پر ہٹانے کے لیے
- تصاویر کو آڈیو میں تبدیل کرنے کے لیے
- ایک ماڈل درجہ بندی سے پاک رہنمائی کے لیے غیر مشروط پیش گوئیاں کرنا کیسے سیکھتا ہے؟
- دوسرے علیحدہ درجہ بندی کی تربیت کے ذریعے
- تربیت کے دوران تصادفی طور پر کنڈیشنگ کو چھوڑ کر
- صرف سیاہ تصاویر کا استعمال کرتے ہوئے
- GPU کو غیر فعال کر کے
- رہنمائی کے پیمانے میں اضافہ عام طور پر کیا کرتا ہے؟
- ہمیشہ تنوع کو بہتر بناتا ہے۔
- پرامپٹ کے اثر کو ہٹاتا ہے۔
- فوری عمل کو مضبوط بناتا ہے لیکن حد سے زیادہ ہونے کا سبب بن سکتا ہے۔
- تصویر کو گرے اسکیل بناتا ہے۔
- معیاری درجہ بندی سے پاک رہنمائی کے لیے تقریباً کتنے فارورڈ پاسز کی ضرورت ہے؟
- صفر
- دس
- ایک سو
- دو (ایک مشروط، ایک غیر مشروط)
- درجہ بندی کرنے والے رہنمائی کے مقابلے میں درجہ بندی سے پاک رہنمائی کا کیا فائدہ ہے؟
- اسے الگ سے تربیت یافتہ درجہ بندی کی ضرورت نہیں ہے۔
- اس کے لیے مزید تربیتی ڈیٹا کی ضرورت ہے۔
- یہ صرف ٹیکسٹ ماڈلز پر کام کرتا ہے۔
- یہ پھیلاؤ کے عمل کو ختم کرتا ہے۔
- In the common classifier-free guidance formula, what does guidance scale s=0 produce?
- The conditional prediction with extra amplification
- The unconditional model prediction without conditioning
- A prediction from a separately trained classifier
- A sample with all denoising removed
- How does classifier-free guidance combine model outputs at inference?
- It combines two image classifiers
- It removes the conditional prompt
- It combines conditional and unconditional score estimates
- It adds a learned reward model after decoding
- What does a guidance scale of 1 generally correspond to in the common formulation?
- The unconditional prediction only
- A classifier-based gradient
- A zero-noise image
- The conditional prediction without extra guidance amplification