Wissensbeurteilung

Abgeschlossen

Überprüfen Sie Ihr Wissen, indem Sie die folgenden Fragen beantworten.

Überprüfen Sie Ihr Wissen

1.

Was ist der Zweck eines großen Sprachmodells (Large Language Model, LLM)?

Die Verarbeitung und Erstellung von Texten in natürlicher Sprache durch Lernen aus einer riesigen Menge von Textdaten, um Muster und Regeln der Sprache zu erkennen.

Um Anthropomorphismus zu zeigen und Emotionen zu verstehen.

Um Sprache und Fakten zu verstehen.

2.

Was ist der Unterschied zwischen linguistischer Datenverarbeitung (Natural Language Processing, NLP) und großen Sprachmodellen (Large Language Model, LLMs)?

Traditionelles NLP verwendet viele Terabytes an nicht gekennzeichneten Daten im Basismodell, während LLMs einen Satz von gekennzeichneten Daten zum Trainieren des maschinellen Lernmodells bereitstellen.

Traditionelles NLP ist stark für bestimmte Anwendungsfälle optimiert, während LLMs in natürlicher Sprache beschreiben, was das Modell tun soll.

Traditionelles NLP benötigt ein Modell pro Fähigkeit, während LLMs ein einziges Modell für viele natürlichsprachliche Anwendungsfälle verwenden.

3.

Was ist der Zweck der Tokenisierung in natürlichen Sprachmodellen?

Um Text auf eine Weise darzustellen, die für Computer sinnvoll ist, ohne dass der Kontext verloren geht, damit Algorithmen leichter Muster identifizieren können.

Um Text Buchstabe für Buchstabe zu generieren.

Um gängige Wörter mit einem einzelnen Token darzustellen.

Sie müssen alle Fragen beantworten, bevor Sie Ihre Arbeit überprüfen können.