引導式測驗 · 簡單 等級
AI 模型解釋測驗
使用測量證據測試模型輸入和輸出、學習參數、超參數、檢索、微調和基於任務的模型選擇。
問題 1 的 8
機器學習模型本身是人工智慧應用程式的哪個元件?
預覽每個問題8 問題
當您參加測驗時,就會出現答案和解釋。
- 機器學習模型本身是人工智慧應用程式的哪個元件?
- 具有結構和學習參數的將輸入映射到輸出的數學系統
- 包含所有產品功能的使用者介面
- 允許模型存取的一組網站
- 定義團隊如何使用人工智慧的政策文件
- 團隊有嚴格的 100 毫秒延遲限制。在指南的說明性測驗中,哪位候選人符合要求?
- 模型 B 的準確度為 94%,耗時 400 毫秒
- 模型 A 的準確度為 92%,耗時 30 毫秒
- 都不是,因為準確度必須是 100%
- 兩者皆有,因為他們的得分都在 90% 以上
- 哪一項是超參數而不是學習參數?
- 訓練時調整的權重值
- 擬合模型用於輸入的係數
- 透過驗證選擇的樹深度限制
- 針對一個範例傳回的預測
- 搜尋系統在查詢時將檢索到的文件提供給模型。如果不進行再培訓,會發生什麼變化?
- 它必然會重新訓練模型權重
- 它對每個查詢的模型進行微調
- 它永久更改模型版本
- 它在不改變模型權重的情況下添加了可用的證據
- 開發人員根據其他範例對模型進行微調。有什麼變化?
- 模型權重,不保證資訊是最新的
- 僅針對一個查詢檢索到的文本
- 應用程式的使用者介面,但不是模型
- 驗證集而不是模型行為
- 團隊使基礎模型適應新的文件任務。關於這種重用的哪一種說法是準確的?
- 這必然是有史以來第一個人工智慧模型
- 它可以適應多種任務,但仍需要評估
- 它只是建築施工的模型
- 它必須先進行微調,然後才能回答任何提示
- 為什麼團隊應該在更改模型版本後重新評估?
- 每當版本改變時,介面總是會改變
- 新版本使得延遲測量變得不必要
- 即使介面保持穩定,行為也可能發生變化
- 型號名稱證明它更準確
- 團隊應該如何為已定義的應用程式選擇候選模型?
- 預設選擇最大參數個數
- 使用排行榜分數而不檢查其錯誤
- 選擇最新版本,無需測試
- 比較代表性輸入、錯誤和操作限制,然後選擇最簡單的適當選項