Cuestionario: Modelos Autoregresivos
Preguntas
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte IV. Este cuestionario te ayudará a reforzar tu conocimiento sobre los modelos autoregresivos y sus aplicaciones, así como el proyecto específico que completamos.
Pregunta 1: Conceptos Básicos de los Modelos Autoregresivos
¿Cuál es la característica principal de los modelos autoregresivos?
A) Predicen cada punto de datos basado en todo el conjunto de datos.
B) Predicen cada punto de datos basado en los anteriores.
C) No usan ningún punto de datos previo para las predicciones.
D) Solo funcionan con datos no secuenciales.
Pregunta 2: PixelRNN
¿Cuál de las siguientes afirmaciones es verdadera sobre PixelRNN?
A) Utiliza capas convolucionales para modelar dependencias entre píxeles.
B) Procesa píxeles en un orden aleatorio.
C) Utiliza redes neuronales recurrentes para modelar dependencias entre píxeles.
D) Solo puede usarse para generación de texto.
Pregunta 3: Arquitectura Transformer
¿Cuál es la innovación clave introducida por la arquitectura Transformer?
A) Capas recurrentes
B) Capas convolucionales
C) Mecanismo de autoatención
D) Capas de abandono (Dropout)
Pregunta 4: Modelos GPT
¿Cuál de las siguientes afirmaciones sobre GPT-3 es correcta?
A) GPT-3 tiene 1.5 mil millones de parámetros.
B) GPT-3 utiliza mecanismos de atención bidireccional.
C) GPT-3 puede realizar aprendizaje con pocos ejemplos.
D) GPT-3 solo se utiliza para la traducción de idiomas.
Pregunta 5: Parámetros de Generación de Texto
¿Qué parámetro en la generación de texto controla la aleatoriedad de las predicciones?
A) Longitud máxima
B) Temperatura
C) Muestreo Top-k
D) Muestreo Top-p
Pregunta 6: Perplejidad
¿Qué indica una puntuación de perplejidad más baja?
A) Mejor rendimiento del modelo
B) Peor rendimiento del modelo
C) Generación de texto más diversa
D) Generación de texto menos diversa
Pregunta 7: Puntuación BLEU
¿Para qué se utiliza la puntuación BLEU en la evaluación de generación de texto?
A) Medir la fluidez del texto generado
B) Medir la coherencia del texto generado
C) Medir la similitud entre el texto generado y el texto de referencia
D) Medir la diversidad del texto generado
Pregunta 8: Puntuación ROUGE
¿Qué aspecto de la generación de texto mide principalmente la puntuación ROUGE?
A) Fluidez
B) Coherencia
C) Recall
D) Precisión
Pregunta 9: Inspección Visual
¿Cuál de los siguientes NO es un criterio para la evaluación humana del texto generado?
A) Coherencia
B) Fluidez
C) Relevancia
D) Latencia
Pregunta 10: Diversidad en la Generación de Texto
¿Cómo se puede evaluar la diversidad del texto generado?
A) Calculando la perplejidad
B) Usando un solo prompt fijo para todas las generaciones
C) Analizando variaciones en las salidas dadas diferentes prompts
D) Midiendo la velocidad de generación de texto
Preguntas
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte IV. Este cuestionario te ayudará a reforzar tu conocimiento sobre los modelos autoregresivos y sus aplicaciones, así como el proyecto específico que completamos.
Pregunta 1: Conceptos Básicos de los Modelos Autoregresivos
¿Cuál es la característica principal de los modelos autoregresivos?
A) Predicen cada punto de datos basado en todo el conjunto de datos.
B) Predicen cada punto de datos basado en los anteriores.
C) No usan ningún punto de datos previo para las predicciones.
D) Solo funcionan con datos no secuenciales.
Pregunta 2: PixelRNN
¿Cuál de las siguientes afirmaciones es verdadera sobre PixelRNN?
A) Utiliza capas convolucionales para modelar dependencias entre píxeles.
B) Procesa píxeles en un orden aleatorio.
C) Utiliza redes neuronales recurrentes para modelar dependencias entre píxeles.
D) Solo puede usarse para generación de texto.
Pregunta 3: Arquitectura Transformer
¿Cuál es la innovación clave introducida por la arquitectura Transformer?
A) Capas recurrentes
B) Capas convolucionales
C) Mecanismo de autoatención
D) Capas de abandono (Dropout)
Pregunta 4: Modelos GPT
¿Cuál de las siguientes afirmaciones sobre GPT-3 es correcta?
A) GPT-3 tiene 1.5 mil millones de parámetros.
B) GPT-3 utiliza mecanismos de atención bidireccional.
C) GPT-3 puede realizar aprendizaje con pocos ejemplos.
D) GPT-3 solo se utiliza para la traducción de idiomas.
Pregunta 5: Parámetros de Generación de Texto
¿Qué parámetro en la generación de texto controla la aleatoriedad de las predicciones?
A) Longitud máxima
B) Temperatura
C) Muestreo Top-k
D) Muestreo Top-p
Pregunta 6: Perplejidad
¿Qué indica una puntuación de perplejidad más baja?
A) Mejor rendimiento del modelo
B) Peor rendimiento del modelo
C) Generación de texto más diversa
D) Generación de texto menos diversa
Pregunta 7: Puntuación BLEU
¿Para qué se utiliza la puntuación BLEU en la evaluación de generación de texto?
A) Medir la fluidez del texto generado
B) Medir la coherencia del texto generado
C) Medir la similitud entre el texto generado y el texto de referencia
D) Medir la diversidad del texto generado
Pregunta 8: Puntuación ROUGE
¿Qué aspecto de la generación de texto mide principalmente la puntuación ROUGE?
A) Fluidez
B) Coherencia
C) Recall
D) Precisión
Pregunta 9: Inspección Visual
¿Cuál de los siguientes NO es un criterio para la evaluación humana del texto generado?
A) Coherencia
B) Fluidez
C) Relevancia
D) Latencia
Pregunta 10: Diversidad en la Generación de Texto
¿Cómo se puede evaluar la diversidad del texto generado?
A) Calculando la perplejidad
B) Usando un solo prompt fijo para todas las generaciones
C) Analizando variaciones en las salidas dadas diferentes prompts
D) Midiendo la velocidad de generación de texto
Preguntas
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte IV. Este cuestionario te ayudará a reforzar tu conocimiento sobre los modelos autoregresivos y sus aplicaciones, así como el proyecto específico que completamos.
Pregunta 1: Conceptos Básicos de los Modelos Autoregresivos
¿Cuál es la característica principal de los modelos autoregresivos?
A) Predicen cada punto de datos basado en todo el conjunto de datos.
B) Predicen cada punto de datos basado en los anteriores.
C) No usan ningún punto de datos previo para las predicciones.
D) Solo funcionan con datos no secuenciales.
Pregunta 2: PixelRNN
¿Cuál de las siguientes afirmaciones es verdadera sobre PixelRNN?
A) Utiliza capas convolucionales para modelar dependencias entre píxeles.
B) Procesa píxeles en un orden aleatorio.
C) Utiliza redes neuronales recurrentes para modelar dependencias entre píxeles.
D) Solo puede usarse para generación de texto.
Pregunta 3: Arquitectura Transformer
¿Cuál es la innovación clave introducida por la arquitectura Transformer?
A) Capas recurrentes
B) Capas convolucionales
C) Mecanismo de autoatención
D) Capas de abandono (Dropout)
Pregunta 4: Modelos GPT
¿Cuál de las siguientes afirmaciones sobre GPT-3 es correcta?
A) GPT-3 tiene 1.5 mil millones de parámetros.
B) GPT-3 utiliza mecanismos de atención bidireccional.
C) GPT-3 puede realizar aprendizaje con pocos ejemplos.
D) GPT-3 solo se utiliza para la traducción de idiomas.
Pregunta 5: Parámetros de Generación de Texto
¿Qué parámetro en la generación de texto controla la aleatoriedad de las predicciones?
A) Longitud máxima
B) Temperatura
C) Muestreo Top-k
D) Muestreo Top-p
Pregunta 6: Perplejidad
¿Qué indica una puntuación de perplejidad más baja?
A) Mejor rendimiento del modelo
B) Peor rendimiento del modelo
C) Generación de texto más diversa
D) Generación de texto menos diversa
Pregunta 7: Puntuación BLEU
¿Para qué se utiliza la puntuación BLEU en la evaluación de generación de texto?
A) Medir la fluidez del texto generado
B) Medir la coherencia del texto generado
C) Medir la similitud entre el texto generado y el texto de referencia
D) Medir la diversidad del texto generado
Pregunta 8: Puntuación ROUGE
¿Qué aspecto de la generación de texto mide principalmente la puntuación ROUGE?
A) Fluidez
B) Coherencia
C) Recall
D) Precisión
Pregunta 9: Inspección Visual
¿Cuál de los siguientes NO es un criterio para la evaluación humana del texto generado?
A) Coherencia
B) Fluidez
C) Relevancia
D) Latencia
Pregunta 10: Diversidad en la Generación de Texto
¿Cómo se puede evaluar la diversidad del texto generado?
A) Calculando la perplejidad
B) Usando un solo prompt fijo para todas las generaciones
C) Analizando variaciones en las salidas dadas diferentes prompts
D) Midiendo la velocidad de generación de texto
Preguntas
Pon a prueba tu comprensión de los conceptos y técnicas cubiertos en la Parte IV. Este cuestionario te ayudará a reforzar tu conocimiento sobre los modelos autoregresivos y sus aplicaciones, así como el proyecto específico que completamos.
Pregunta 1: Conceptos Básicos de los Modelos Autoregresivos
¿Cuál es la característica principal de los modelos autoregresivos?
A) Predicen cada punto de datos basado en todo el conjunto de datos.
B) Predicen cada punto de datos basado en los anteriores.
C) No usan ningún punto de datos previo para las predicciones.
D) Solo funcionan con datos no secuenciales.
Pregunta 2: PixelRNN
¿Cuál de las siguientes afirmaciones es verdadera sobre PixelRNN?
A) Utiliza capas convolucionales para modelar dependencias entre píxeles.
B) Procesa píxeles en un orden aleatorio.
C) Utiliza redes neuronales recurrentes para modelar dependencias entre píxeles.
D) Solo puede usarse para generación de texto.
Pregunta 3: Arquitectura Transformer
¿Cuál es la innovación clave introducida por la arquitectura Transformer?
A) Capas recurrentes
B) Capas convolucionales
C) Mecanismo de autoatención
D) Capas de abandono (Dropout)
Pregunta 4: Modelos GPT
¿Cuál de las siguientes afirmaciones sobre GPT-3 es correcta?
A) GPT-3 tiene 1.5 mil millones de parámetros.
B) GPT-3 utiliza mecanismos de atención bidireccional.
C) GPT-3 puede realizar aprendizaje con pocos ejemplos.
D) GPT-3 solo se utiliza para la traducción de idiomas.
Pregunta 5: Parámetros de Generación de Texto
¿Qué parámetro en la generación de texto controla la aleatoriedad de las predicciones?
A) Longitud máxima
B) Temperatura
C) Muestreo Top-k
D) Muestreo Top-p
Pregunta 6: Perplejidad
¿Qué indica una puntuación de perplejidad más baja?
A) Mejor rendimiento del modelo
B) Peor rendimiento del modelo
C) Generación de texto más diversa
D) Generación de texto menos diversa
Pregunta 7: Puntuación BLEU
¿Para qué se utiliza la puntuación BLEU en la evaluación de generación de texto?
A) Medir la fluidez del texto generado
B) Medir la coherencia del texto generado
C) Medir la similitud entre el texto generado y el texto de referencia
D) Medir la diversidad del texto generado
Pregunta 8: Puntuación ROUGE
¿Qué aspecto de la generación de texto mide principalmente la puntuación ROUGE?
A) Fluidez
B) Coherencia
C) Recall
D) Precisión
Pregunta 9: Inspección Visual
¿Cuál de los siguientes NO es un criterio para la evaluación humana del texto generado?
A) Coherencia
B) Fluidez
C) Relevancia
D) Latencia
Pregunta 10: Diversidad en la Generación de Texto
¿Cómo se puede evaluar la diversidad del texto generado?
A) Calculando la perplejidad
B) Usando un solo prompt fijo para todas las generaciones
C) Analizando variaciones en las salidas dadas diferentes prompts
D) Midiendo la velocidad de generación de texto