Câu hỏi về AI và Mô hình Ngôn ngữ

Đâu là định nghĩa đúng nhất về "AI Tạo sinh"?

• AI có thể tạo ra nội dung chất lượng cao, chẳng hạn như văn bản, hình ảnh và âm thanh.

• Bất kỳ ứng dụng dựa trên web nào tạo ra văn bản.

• Một dạng tìm kiếm trên web.

• Các hệ thống trí tuệ nhân tạo có thể ánh xạ từ đầu vào A đến đầu ra B.

Đâu là mô tả chính xác nhất về một Mô hình Ngôn ngữ Lớn (LLM)?

• Nó tạo ra văn bản bằng cách liên tục dự đoán từ tiếp theo.

• Nó tạo ra văn bản bằng cách liên tục dự đoán các từ theo thứ tự ngẫu nhiên.

• Nó tạo ra văn bản bằng cách tìm một đối tác viết lách để làm việc cùng bạn.

• Nó tạo ra văn bản bằng cách sử dụng học có giám sát để thực hiện tìm kiếm trên web.

Tại sao chúng ta gọi AI là một công nghệ đa năng?

• Bởi vì nó có thể trò chuyện.

• Bởi vì nó hữu ích cho nhiều tác vụ khác nhau.

• Bởi vì nó bao gồm cả học có giám sát và AI tạo sinh.

• Bởi vì nó có thể được truy cập thông qua web nói chung.

Token là gì trong ngữ cảnh của một mô hình ngôn ngữ lớn (LLM)?

• Một từ hoặc một phần của từ trong lời nhắc đầu vào hoặc đầu ra của LLM.

• Một thiết bị vật lý hoặc mã kỹ thuật số để xác thực danh tính của người dùng.

• Phần đầu ra của LLM chủ yếu mang giá trị tượng trưng hơn là thực chất (ví dụ: "tòa án đưa ra một khoản tiền phạt tượng trưng" hoặc "LLM tạo ra một đầu ra tượng trưng").

• Một đơn vị tiền điện tử (như bitcoin hoặc các "token tiền điện tử" khác) mà bạn có thể sử dụng để thanh toán cho các dịch vụ LLM.

Viết một mô tả về chú chó mới của chúng tôi.

Một người bạn viết lời nhắc sau cho một LLM dựa trên web: "Hãy viết mô tả về sản phẩm thức ăn cho chó mới của chúng tôi." Đâu là những gợi ý hợp lý để cải thiện lời nhắc này?

• Cung cấp cho LLM thêm ngữ cảnh về những điều thú vị hoặc độc đáo của sản phẩm để giúp nó tạo ra một mô tả tốt hơn.

• Hướng dẫn về mục đích của mô tả (để dùng trong một bản ghi nhớ nội bộ của công ty, một trang web, một thông cáo báo chí?) để giúp nó sử dụng giọng điệu phù hợp.

• Chỉ định độ dài mong muốn của mô tả.

• Tất cả các câu trả lời khác.

Bạn đang xây dựng một chatbot dịch vụ khách hàng. Tại sao việc giám sát hiệu suất của hệ thống sau khi triển khai lại quan trọng?

• Trong trường hợp khách hàng nói điều gì đó khiến chatbot phản hồi theo cách không mong muốn, việc giám sát cho phép bạn phát hiện sự cố và khắc phục chúng.

• Mọi sản phẩm đều nên được giám sát để theo dõi sự hài lòng của khách hàng -- đây là một thông lệ tốt cho tất cả phần mềm.

• Do giới hạn kiến thức của LLM, chúng ta phải liên tục giám sát giới hạn kiến thức và cập nhật kiến thức của nó thường xuyên.

• Điều này là sai. Miễn là việc đánh giá nội bộ được thực hiện tốt thì không cần giám sát thêm.

Bạn muốn xây dựng một ứng dụng để trả lời các câu hỏi dựa trên thông tin tìm thấy trong email của mình. Kỹ thuật nào sau đây là phù hợp nhất?

Bạn đang chuẩn bị một bài thuyết trình về công nghệ và nhờ một LLM giúp bạn tìm một câu trích dẫn truyền cảm hứng. Nó đưa ra câu này: "Và đó là ý nghĩa của máy tính đối với tôi. Máy tính đối với tôi là công cụ đáng chú ý nhất mà chúng ta từng phát minh ra, và nó tương đương với một chiếc xe đạp cho trí óc của chúng ta. -Steve Jobs" Bạn nên tiến hành làm gì sau đây?

• Kiểm tra lại câu trích dẫn này bằng cách nhắc LLM hỏi xem nó có thực sự chắc chắn Steve Jobs đã nói điều này không.

• Kiểm tra lại câu trích dẫn này bằng cách tìm kiếm các nguồn khác (chẳng hạn như web) để xác minh xem Steve Jobs có thực sự nói điều này không.

• Không sử dụng câu trích dẫn này vì LLM có thể tạo ra kết quả độc hại.

• LLM đã học từ văn bản trên internet; vì vậy bạn có thể tin tưởng một cách an toàn rằng câu trích dẫn này được tìm thấy trên nhiều trang web và sử dụng nó trong bài thuyết trình của bạn.

Trong ví dụ của Coursera, chúng tôi đã mô tả việc sử dụng học có giám sát hoặc một quy trình phát triển dựa trên nhắc lệnh để xây dựng một bộ phân loại cảm xúc đánh giá nhà hàng. Câu nào sau đây về phát triển dựa trên nhắc lệnh là đúng?