انکوڈر-ڈیکوڈر آرکیٹیکچرز کوئز

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

1. انکوڈر-ڈیکوڈر ماڈل میں انکوڈر کا بنیادی کام کیا ہے؟
   • ان پٹ کو پڑھنے اور اسے بھرپور اندرونی نمائندگی میں تبدیل کرنے کے لیے
   • آؤٹ پٹ ایک وقت میں ایک ٹوکن پیدا کرنے کے لیے
   • امیدوار کے نتائج کو امکان کے لحاظ سے درجہ بندی کرنے کے لیے
   • ماڈل کے تربیتی ڈیٹا کو ذخیرہ کرنے کے لیے
2. ڈیکوڈر نقاب پوش (کازل) خود توجہ کیوں استعمال کرتا ہے؟
   • ان پٹ کو انکوڈر سے چھپانے کے لیے
   • ہر پوزیشن کو نسل کے دوران مستقبل کے ٹوکن دیکھنے سے روکنے کے لیے
   • آؤٹ پٹ کو کم ٹوکن میں کمپریس کرنے کے لیے
   • ریگولرائزیشن کے لیے تصادفی طور پر ٹوکن چھوڑنا
3. کون سا طریقہ کار ڈیکوڈر کو انکوڈر کی نمائندگی سے جوڑتا ہے؟
   • ڈراپ آؤٹ
   • بیچ نارملائزیشن
   • کراس توجہ
   • پوزیشنی انکوڈنگ
4. ان میں سے کون سا ماڈل ایک انکوڈر-ڈیکوڈر (سلسلہ سے ترتیب) فن تعمیر ہے؟
   • GPT-3
   • بی آر ٹی
   • Word2Vec
   • T5
5. انکوڈر-ڈیکوڈر ڈیزائن ترجمے کے لیے قدرتی فٹ کیوں ہے؟
   • کیونکہ ان پٹ اور آؤٹ پٹ مختلف ترتیب ہیں، مکمل فہم کی ضرورت ہوتی ہے پھر تازہ نسل
   • کیونکہ ان پٹ اور آؤٹ پٹ کی لمبائی ہمیشہ ایک ہی ہوتی ہے۔
   • کیونکہ اسے کبھی بھی نیا متن بنانے کی ضرورت نہیں ہے۔
   • کیونکہ یہ پوری طرح توجہ کے استعمال سے گریز کرتا ہے۔
6. In the original Transformer architecture, what attention does the encoder use over its input sequence?
   • Causal attention that hides all earlier source tokens
   • Bidirectional self-attention over the full source sequence
   • Cross-attention only to an image sequence
   • No attention mechanism
7. What training objective does BART use for pretraining?
   • It predicts only the next pixel in an image
   • It classifies each word into a fixed sentiment label
   • It corrupts text and trains a sequence-to-sequence denoising model to reconstruct the original
   • It performs speech recognition from raw audio
8. How does T5 frame many NLP tasks for one encoder-decoder model?
   • As image classification with a shared label set
   • As speech waveforms with no text tokens
   • As separate model architectures for each task
   • As text-to-text inputs and outputs with task descriptions in the input text