Ta strona została przetłumaczona przez Cloud Translation API. Duże modele językowe (LLM): sprawdź swoją wiedzę Wróć do ścieżki Ile 2 gramów (bigramów) jest w tym wyrażeniu: they visited New York last week 3 4 5 6 Które cechy dużych modeli językowych pomagają im tworzyć lepsze prognozy niż inne typy modeli językowych? (Wybierz wszystkie pasujące odpowiedzi) Wybierz tyle odpowiedzi, ile uważasz za stosowne. LLM mają znacznie więcej parametrów. LLM rejestrują szerszy kontekst. LLM nie trzeba trenować na jak największej ilości danych. Duże modele językowe nigdy nie mają błędów. Prawda czy fałsz: pełny Transformer składa się z enkodera i dekodera. Prawda Fałsz LLM są trenowane na dużym korpusu danych, który zawiera ten przykład: My cousin's new fashion line is so cool! Który mechanizm pomaga LLM nauczyć się, że w tym zdaniu „co za fajne”? najprawdopodobniej oznacza „świetny” i nie dotyczy temperatury odzieży? Tworzenie promptów Dekoder Oczyszczanie Monitorowanie siebie Które z tych stwierdzeń na temat dostrajania i destylacji jest prawdziwe? Dostrajanie zwiększa liczbę parametrów w modelu, a oczyszczanie zmniejsza liczbę parametrów w modelu. Dostrajanie zwykle poprawia jakość prognoz modelu, a destylacja obniża jakość prognoz modelu. Dostrajanie odbywa się na modelach tekstowych, a destylacja – na modelach graficznych. Żadne z powyższych nie jest prawdziwe. Prześlij odpowiedzi error_outline Podczas oceniania testu wystąpił błąd. Spróbuj ponownie.
