مدل های زبان بزرگ: دانش خود را آزمایش کنید

1. در عبارت زیر چند گرم (بیگرم) وجود دارد:
   

   they visited New York last week

   3

   4

   5

   6

2. کدام ویژگی‌های مدل‌های زبان بزرگ به آنها کمک می‌کند تا پیش‌بینی‌های بهتری نسبت به انواع دیگر مدل‌های زبانی داشته باشند؟ (همه موارد کاربردی را انتخاب کنید)

   هر تعداد پاسخ را که مناسب می‌دانید انتخاب کنید.

   LLM ها حاوی پارامترهای بسیار بیشتری هستند.

   LLM ها زمینه بیشتری را به تصویر می کشند.

   LLM ها نیازی به آموزش بر روی داده های زیادی ندارند.

   LLM ها هرگز توهم ندارند.

3. درست یا غلط: یک ترانسفورماتور کامل از یک رمزگذار و یک رمزگشا تشکیل شده است.

   درست است، واقعی

   نادرست

4. یک LLM بر روی مجموعه بزرگی از داده ها آموزش داده می شود که شامل مثال زیر است:

   My cousin's new fashion line is so cool!

   چه مکانیزمی به LLM کمک می‌کند تا یاد بگیرد که در این جمله، "سرد" به احتمال زیاد به معنای "عالی" است و به دمای لباس اشاره ندارد؟

   مهندسی سریع

   رمزگشا

   تقطیر

   توجه به خود

5. کدام یک از عبارات زیر در مورد تنظیم دقیق در مقابل تقطیر درست است؟

   تنظیم دقیق تعداد پارامترها را در مدل افزایش می دهد، در حالی که تقطیر تعداد پارامترهای مدل را کاهش می دهد.

   تنظیم دقیق به طور کلی کیفیت پیش بینی های مدل را افزایش می دهد، در حالی که تقطیر به طور کلی کیفیت پیش بینی های مدل را کاهش می دهد.

   تنظیم دقیق روی مدل های متنی انجام می شود، در حالی که تقطیر روی مدل های تصویری انجام می شود.

   هیچ یک از موارد بالا درست نیست.

ارسال پاسخ‌ها