اگلا ٹوکن پیشن گوئی کوئز

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

1. ہر قدم پر اگلا ٹوکن پیشن گوئی ماڈل آؤٹ پٹ کیا کرتا ہے؟
   • اگلے ٹوکن کے لیے ذخیرہ الفاظ پر امکانی تقسیم
   • ایک ہی مقررہ لفظ
   • جملے کا ترجمہ
   • گرامر سکور
2. GPT طرز کا ڈیکوڈر کس قسم کی توجہ کا استعمال کرتا ہے؟
   • دو طرفہ توجہ
   • Causal (نقاب پوش) توجہ جو مستقبل کے ٹوکن کو چھپاتا ہے۔
   • بالکل بھی توجہ نہیں۔
   • بے ترتیب توجہ
3. یہاں 'خودکشی' نسل کا کیا مطلب ہے؟
   • ماڈل ایک ساتھ تمام ٹوکن تیار کرتا ہے۔
   • ماڈل ایک اوسط قدر تک پہنچ جاتا ہے۔
   • ہر نئے ٹوکن کو شامل کیا جاتا ہے اور اگلے کی پیشن گوئی کرنے کے لیے واپس کھلایا جاتا ہے۔
   • ٹوکن بے ترتیب ترتیب میں بنائے جاتے ہیں۔
4. تربیت کے دوران عام طور پر کس نقصان کو کم کیا جاتا ہے؟
   • مربع غلطی کا مطلب
   • قبضے کا نقصان
   • کوزائن فاصلہ
   • اگلے ٹوکن پر کراس اینٹروپی
5. نمونے لینے کے دوران درجہ حرارت میں اضافہ کیا کرتا ہے؟
   • آؤٹ پٹ کو زیادہ بے ترتیب اور تخلیقی بناتا ہے۔
   • آؤٹ پٹ کو سختی سے فیصلہ کن بناتا ہے۔
   • الفاظ کے حجم کو بڑھاتا ہے۔
   • سافٹ میکس پرت کو ہٹاتا ہے۔
6. پیشین گوئی سے پہلے، خام متن عام طور پر کیسے تیار کیا جاتا ہے؟
   • اس کا انگریزی میں ترجمہ کیا جاتا ہے۔
   • اسے ٹوکنائزر کے ذریعے ٹوکن میں تقسیم کیا جاتا ہے۔
   • اسے آڈیو میں تبدیل کیا جاتا ہے۔
   • اسے بغیر کسی پروسیسنگ کے خام حروف کے طور پر چھوڑ دیا جاتا ہے۔
7. During next-token training, what is teacher forcing?
   • The model receives future target tokens before the input
   • The model randomly changes the tokenizer at every step
   • The model receives the ground-truth preceding tokens when predicting the next token
   • The model always samples its own previous prediction during training
8. What mismatch can arise because generation feeds back model-produced tokens?
   • The model can no longer use attention
   • The vocabulary disappears after the first token
   • The model’s loss is computed only on images
   • Errors in generated prefixes can affect later predictions, unlike training on the ground-truth prefix