Номер вопроса

Вопрос

Баллов за верный ответ

1

Механизм, позволяющий модели динамически фокусироваться на наиболее важных частях входной последовательности при обработке языка.

1

2

Графовая структура модели машинного обучения, принимающая решения путем последовательных проверок логических условий.

1

3

Математическая модель, принцип работы которой вдохновлен устройством биологического мозга.

1

4

Набор данных, используемый для тренировки или тестирования алгоритма.

1

5

Флагманская мультимодальная модель от корпорации Google.

1

6

Инновационная генеративная нейросеть от создателей ChatGPT, способная создавать реалистичные видеоролики по текстовому описанию.

1

7

Управляющий параметр при генерации, определяющий степень случайности ответов модели.

3

8

Архитектура, состоящая из кодировщика и декодировщика, часто применяемая для сжатия данных и подавления шума.

3

9

Какое млекопитающее изображено на логотипе популярной LLM из Китая?

1

10

Известная французская компания и одноименная языковая модель с открытыми весами.

2

11

Совокупность методов, добавляющих штрафы к функции потерь, чтобы сделать модель более устойчивой к шуму.

2

12

Полезные свойства и характеристики данных, которые извлекаются для подачи на вход алгоритму.

1

13

Популярная задача для текстовых моделей, заключающаяся в создании краткого пересказа длинного документа.

3

14

Процесс запуска и работы уже обученной модели, когда она делает предсказания на новых, ранее не виданных данных.

1

15

Популярная архитектура сверточной нейросети для сегментации изображений, форма которой напоминает букву латинского алфавита.

2

16

Окно памяти языковой модели, определяющее максимальный объем текста, который она способна учитывать при генерации.

1

17

Заданная метка или категория, которую предсказывает классификатор для входящего объекта.

2

18

Математический алгоритм, который вычисляет и применяет обновления весов модели в процессе ее обучения.

1

19

Вектор, указывающий направление наискорейшего возрастания функции потерь, который вычисляется для обновления весов сети.

2

20

Процесс адаптации уже натренированной большой языковой модели под конкретную узкую задачу с новыми данными.

1

21

Семейство продвинутых языковых моделей от компании Anthropic, известное своим огромным окном контекста.

1

22

Внутренние числовые параметры связей между искусственными нейронами, которые корректируются при обучении.

1

23

Революционная архитектура сверточных сетей, использующая остаточные связи для решения проблемы затухающего градиента.

2

24

Математическая функция в нейроне, определяющая его итоговый выходной сигнал.

1

25

Порция данных, обрабатываемая моделью за один шаг обновления весов для оптимизации памяти.

2

26

Первая модель искусственного интеллекта от компании DeepMind, которая совершила прорыв, победив чемпиона мира в настольную стратегическую игру.

2

27

Настраиваемые переменные внутри модели, количество которых в современных LLM измеряется миллиардами.

1

28

Тип генеративных моделей изображений, процесс работы которых основан на пошаговом удалении математического шума.

3

29

Операция в сверточных нейросетях, предназначенная для уменьшения размерности карт признаков (субдискретизация).

2

30

Один полный проход алгоритма обучения по всему тренировочному набору данных.

2

31

Ситуация, когда модель слишком сильно подстраивается под тренировочные данные и теряет способность к обобщению.

1

32

Совокупность нескольких различных моделей, чьи предсказания объединяются для получения более точного результата.

2

33

Входной текстовый запрос пользователя, направляющий генерацию ответа.

1

34

Базовая единица текста, на которые языковая модель разбивает входные данные для математической обработки.

1

35

Архитектура нейросетей, основанная на механизме внимания, ставшая стандартом для обработки естественного языка.

2

⭐ 

Экстра-вопрос, будет опубликован в 14:00 в комментариях

5

⭐ 

Экстра-вопрос, будет опубликован в 15:30 в комментариях

5

⭐ 

Экстра-вопрос, будет опубликован в случайное время в комментариях

5