Введение в большие языковые модели: тест
Проверьте, как вы усвоили материал. Выберите вариант и откройте ответ под вопросом.
1. Что такое большие языковые модели (LLM)?
- LLM представляет собой тип искусственного интеллекта (ИИ), который может генерировать текст качества, сопоставимого с человеческим. LLM обучаются на огромных наборах данных из текста и кода и могут использоваться для многих задач, например для написания текстов, перевода и программирования.
- LLM представляет собой архитектуру искусственной нейронной сети, оптимизированную для обучения крупномасштабных агентов обучения с подкреплением, способных справляться со сложными задачами в робототехнике.
- LLM представляет собой продвинутый фреймворк обработки естественного языка, который использует лингвистические алгоритмы для создания сложных диалоговых агентов.
- LLM представляет собой современную систему компьютерного зрения, которая превосходно распознаёт и анализирует сложные закономерности и признаки на изображениях и видео.
Показать ответ
Ответ: A. В видео «Introduction to Large Language Models» LLM определяются как большие языковые модели общего назначения, которые предварительно обучаются на огромном наборе данных, а затем дообучаются (fine-tuning) для конкретных целей. Они решают языковые задачи: генерацию текста, перевод, ответы на вопросы, суммаризацию. Остальные варианты описывают агентов обучения с подкреплением, фреймворк обработки естественного языка и систему компьютерного зрения, а в видео LLM определяются иначе.
2. В чём преимущество использования больших языковых моделей (LLM)?
- Они могут генерировать неточный или вводящий в заблуждение контент, если обучающие данные неполны или предвзяты.
- Они могут генерировать текст качества, сопоставимого с человеческим, для таких задач, как создание контента, помощь в написании текстов и автоматическая суммаризация.
- Они могут выдавать результат только на английском языке.
- Их можно обучать, используя лишь крошечный набор данных из текста и кода.
Показать ответ
Ответ: B. По материалам видео, главное преимущество в том, что одну модель можно использовать для разных задач (перевод, дополнение предложений, классификация текста, ответы на вопросы, генерация текста и другие). Вариант A описывает риск, а не преимущество. Вариант C неверен: в видео LLM не ограничиваются английским языком. Вариант D неверен: LLM предварительно обучаются на наборах данных огромного размера, иногда в масштабе петабайтов, и лишь последующая адаптация под конкретную задачу требует небольшого объёма данных.
3. Для каких задач можно применять LLM?
- LLM можно использовать для многих задач, включая персонализированные советы и терапию.
- LLM можно использовать для многих задач, включая написание текстов, перевод и программирование.
- LLM можно использовать для многих задач, таких как принятие решений в реальном времени в чрезвычайных ситуациях и генерация контента на основе физического восприятия.
- LLM можно использовать для многих задач, включая оригинальное творческое самовыражение и принятие этических решений.
Показать ответ
Ответ: B. В видео перечислены такие сценарии, как перевод, дополнение предложений, классификация текста, ответы на вопросы и генерация текста (например, написание стихотворения или суммаризация текста). Также сказано, что Gemini умеет интерпретировать программный код. Остальные варианты описывают возможности, которые в видео LLM не приписываются.
4. Какие трудности связаны с использованием LLM? Выберите три варианта.
- Их обучение может быть дорогим.
- Они могут быть предвзятыми.
- Их можно использовать для генерации вредоносного контента.
- После разработки они меняются только тогда, когда им подают новые данные.
Показать ответ
Ответ: A, B, C. В видео объясняется, что обучать LLM могут лишь некоторые организации, потому что для этого нужны огромные наборы данных и очень большое число параметров, а дообучение (fine-tuning) стоит дорого и во многих случаях нереалистично, поэтому вариант A относится к трудностям. Варианты B и C называют две другие трудности, которые подразумевает тест: предвзятость и возможную генерацию вредоносного контента. В видео эти два пункта явно не обсуждаются. Вариант D трудностью не является: он лишь описывает, как меняется модель, а видео показывает, что модели можно адаптировать разными способами, в том числе с помощью промпт-дизайна, настройки и дообучения (fine-tuning).
Перевод официального курса Google «Введение в большие языковые модели». Оригинал на английском.