WorksheetsQuiz buổi 1
Total questions: 33
Worksheet time: 22mins
Trong Mô hình Ngôn ngữ Lớn (LLMs) sử dụng kiến trúc Transformer, chức năng chính của thành phần Decoder là gì?
Chứa thông tin vị trí của các token (Positional Encoding).
Chỉ mã hóa câu gốc thành một vector duy nhất.
Sinh ra từng token một, đồng thời nhìn lại các từ đã sinh ra và lấy thêm thông tin từ câu gốc.
Nén ảnh thành latent vector.
Nhược điểm "mode collapse" (hiệu suất giảm) trong Generative Adversarial Network (GAN) xảy ra khi nào?
Khi mô hình VAE không thể giải mã latent vector.
Khi Generator bị kẹt trong một mẫu dữ liệu duy nhất.
Khi Decoder sử dụng hàm kích hoạt tuyến tính.
Khi Positional Encoding không được sử dụng.
Mục tiêu chính của Positional Encoding trong mô hình Transformer của LLMs là gì?
Mã hóa thông tin vị trí của các token để duy trì ngữ cảnh câu.
Lấy thông tin từ các mạng thần kinh Generator.
Phân loại hình ảnh thô.
Giảm overfitting bằng cách giảm độ phức tạp của mô hình.
Kỹ thuật Prompt Engineering nào yêu cầu mô hình tạo ra một chuỗi các bước suy luận logic trước khi đưa ra câu trả lời cuối cùng?
Zero-shot.
Instruction prompting.
Chain of Thought prompting.
Self-consistency.
Trong Prompt Engineering, nếu người dùng muốn mô hình tạo ra nhiều lời giải độc lập cho một vấn đề rồi sau đó chọn lời giải nào xuất hiện nhiều nhất, họ đang sử dụng kỹ thuật nào?
Generate Knowledge.
Few-shot prompting.
Instruction tuning.
Self-consistency.
Sự khác biệt cơ bản về mặt chức năng khiến mô hình Diffusion được đánh giá là mô hình sinh ảnh chất lượng cao nhất là gì?
Nó sử dụng latent vector để nén ảnh.
Nó sử dụng hai mạng thần kinh cạnh tranh (Generator và Discriminator).
Nó học cách loại bỏ nhiễu từng bước đã được thêm dần vào ảnh.
Nó chỉ dựa vào Positional Encoding.
Điều kiện cơ bản nào, ngoài GPU mạnh, được nguồn đề cập là cần thiết và tốn kém để huấn luyện một mô hình Generative AI?
Điều kiện cơ bản nào, ngoài GPU mạnh, được nguồn đề cập là cần thiết và tốn kém để huấn luyện một mô hình Generative AI?
Việc sử dụng Convolutional Neural Network (CNN).
Nguồn năng lượng dồi dào.
Việc áp dụng K-Nearest Neighbors.
Bắt buộc phải có Few-shot prompting.
Hiện tượng "ảo giác" (hallucination) trong AI đề cập đến vấn đề đạo đức nào?
AI rò rỉ PII.
AI tạo ra các thông tin sai sự thật hoặc không có thật.
AI bị thiên kiến do dữ liệu huấn luyện.
AI hỗ trợ quá nhiều công việc thường ngày.
Về mặt pháp lý, để giảm thiểu các vấn đề liên quan đến bản quyền khi sử dụng AI, hành động nào được khuyến nghị?
Hạn chế sử dụng bất kỳ Prompt nào.
Minh bạch ghi lại quá trình sử dụng AI.
Chỉ sử dụng mô hình local (chạy cục bộ).
Tuyệt đối không sử dụng Instruction tuning.
Mục đích chính của việc cung cấp "Context" (Ngữ cảnh) trong một Prompt là gì?
Để mô hình tạo ra nhiều lời giải.
Để hướng dẫn GenAI tạo ra đầu ra mong muốn bằng cách xác định phạm vi thông tin.
Để sử dụng thuật toán Random forest.
Để kích hoạt chức năng Encoder của Transformer.
Khi một LLM được huấn luyện bằng lượng lớn dữ liệu đa dạng, nguồn chỉ ra rằng mô hình này sẽ phát triển đặc điểm gì?
Khả năng nén ảnh thành latent vector.
Khả năng tự động có ý kiến và quan điểm nội tại.
Khả năng tối thiểu hóa Gini.
Khả năng bị mode collapse.
Kỹ thuật "Generate Knowledge" trong Prompt Engineering hoạt động dựa trên nguyên tắc nào?
Bỏ phiếu tối đa để chọn câu trả lời.
Tinh chỉnh mô hình bằng các ví dụ.
Yêu cầu AI tạo ra kiến thức nền trước khi trả lời câu hỏi chính.
Chỉ sử dụng zero-shot prompting.
Mối đe dọa xã hội nào được tạo ra trực tiếp từ sự kết hợp giữa khả năng sinh nội dung của GenAI và sự rò rỉ Dữ liệu nhận dạng cá nhân (PII)?
Lo ngại thất nghiệp.
Giảm tương tác xã hội.
Mối đe dọa xã hội nào được tạo ra trực tiếp từ sự kết hợp giữa khả năng sinh nội dung của GenAI và sự rò rỉ Dữ liệu nhận dạng cá nhân (PII)?
Lo ngại thất nghiệp.
Giảm tương tác người - người.
Nạn deepfake.
Thiên kiến (bias).
Trong mô hình Variational Autoencoder (VAE), chức năng đối lập của Decoder (tái tạo lại ảnh) là gì?
Hàm Chính quy hóa (Regularization Function).
Encoder, có chức năng nén ảnh thành latent vector.
Discriminator, có chức năng định vị.
Positional Encoding, có chức năng lưu trữ vị trí token.
Khác biệt cốt lõi giữa "Standard prompting" kiểu zero-shot và few-shot là gì?
Few-shot sử dụng Chain of Thought, còn zero-shot thì không.
Zero-shot không cung cấp ví dụ, còn few-shot cung cấp ít ví dụ.
Few-shot yêu cầu tinh chỉnh (instruction tuning), còn zero-shot thì không.
Zero-shot chỉ dùng Encoder, còn few-shot dùng Decoder.
Nếu một công ty lo lắng về việc dữ liệu bảo mật của họ có thể bị lộ khi nhân viên sử dụng các công cụ GenAI, mối lo ngại này thuộc về tác động xã hội nào được đề cập?
Tác động 1: Hallucination.
Tác động 3: Rò rỉ dữ liệu.
Tác động 4: Giảm tương tác người - người.
Tác động 5: Lo ngại thất nghiệp.
Mô hình nào trong các mô hình sinh (Generative models) được xây dựng dựa trên sự cạnh tranh và đối lập giữa hai mạng thần kinh riêng biệt?
Large Language Models (LLMs).
Variational Autoencoder (VAE).
Diffusion.
Generative Adversarial Network (GAN).
Kỹ thuật "Instruction tuning (fine-tuning)" trong Prompt Engineering dùng để làm gì?
Đánh giá độ chính xác trong testing.
Tinh chỉnh mô hình GenAI bằng các hướng dẫn cụ thể.
Giảm độ lệch của output so với thực tế.
Tính trung bình cộng của các cây quyết định.
Thiên kiến (bias) trong AI thuộc về nhóm vấn đề đạo đức nào và thường xuất phát từ đâu?
Thiên kiến (bias) trong AI thuộc về nhóm vấn đề đạo đức nào và thường xuất phát từ đâu?
A. Vấn đề bản quyền; xuất phát từ việc không ghi lại quá trình sử dụng AI.
B. Vấn đề rò rỉ dữ liệu; xuất phát từ PII.
C. Vấn đề thông tin sai sự thật; xuất phát từ dữ liệu đã học.
D. Vấn đề thất nghiệp; xuất phát từ sự hỗ trợ công việc thường ngày.
Trong kiến trúc Transformer, thành phần nào đóng vai trò lưu trữ thông tin về vị trí tương đối của các từ trong câu?
A. Encoder.
B. Latent vector.
C. Positional Encoding.
D. Discriminator.
Việc GenAI hỗ trợ con người trong các công việc như tạo thực đơn nấu ăn hoặc danh sách mua sắm được xếp vào nhóm tác động nào?
A. Tác động 1 (Hallucination).
B. Tác động 3 (Rò rỉ PII).
C. Tác động 6 (Hỗ trợ công việc thường ngày và sáng tạo).
D. Tác động 5 (Lo ngại thất nghiệp).
Nếu một kỹ sư muốn tùy chỉnh một mô hình LLM để nó chỉ trả lời trong một phong cách cụ thể (ví dụ: một nhà thơ), họ nên sử dụng thành phần nào trong Prompt?
A. Output.
B. Input.
C. Instruction.
D. Latent vector.
Các mô hình nào sau đây thuộc nhóm Generative AI được tùy chỉnh riêng (Custom GPTs/Gems) hoặc chạy cục bộ (local)?
A. Các mô hình LLM sử dụng CNN.
B. GenAI được tùy chỉnh riêng hoặc chạy cục bộ (Ollama + Open Web UI).
C. Mô hình sử dụng Logistic regression.
D. Mô hình chỉ sử dụng L1 regularization.
Điều gì xảy ra khi Generator trong mô hình GAN bị "kẹt trong một mẫu" (mode collapse)?
A. Discriminator không thể định vị được ảnh giả.
B. Mô hình không thể học cách tạo ra nội dung đa dạng.
C. VAE không thể nén ảnh.
D. LLM quên Positional Encoding.
Trong mô hình Variational Autoencoder (VAE), Latent vector đại diện cho điều gì?
A. Thông tin vị trí của các token.
B. Kết quả của Chain of Thought.
C. Ảnh đã được nén bởi Encoder.
D. Dữ liệu PII bị rò rỉ.
Yêu cầu kiểm chứng thông tin và kiểm tra nguồn là giải pháp được đưa ra để đối phó với tác động nào của AI?
Rò rỉ PII
Giảm tương tác người - người
Thiên kiến và ảo giác (tạo ra thông tin sai sự thật)
Lo ngại thất nghiệp
Sự khác biệt chính giữa VAE và Diffusion nằm ở cơ chế sinh nội dung: trong khi VAE nén và giải mã, Diffusion lại sử dụng nguyên tắc nào?
Sử dụng bỏ phiếu tối đa
Học cách loại bỏ nhiễu từng bước đã được thêm vào
Chỉ sử dụng zero-shot prompting
Cân bằng loss và regularization
Tại sao việc huấn luyện các mô hình GenAI lại được coi là tốn kém về mặt tài nguyên?
Vì cần nhiều chức năng L1 regularization và L2 regularization
Vì nó đòi hỏi nguồn năng lượng dồi dào và GPU mạnh
Vì phải luôn sử dụng kỹ thuật Self-consistency
Vì phải thực hiện tối thiểu hóa chỉ số Gini
Tác động xã hội nào được đề cập liên quan đến sự thay đổi trong giao tiếp giữa con người với nhau do sự phổ biến của GenAI?
Lo ngại về bản quyền
Giảm tương tác người - người
Nguy cơ về deepfake
Tăng nhu cầu về Instruction tuning
Nếu bạn đang sử dụng một mô hình LLM để giải quyết một bài toán phức tạp và muốn kết quả đáng tin cậy nhất, bạn nên kết hợp kỹ thuật Chain of Thought với kỹ thuật nào?
Standard Prompting (zero-shot)
Instruction tuning (fine-tuning)
Self-consistency (để chọn lời giải xuất hiện nhiều nhất sau khi có chuỗi suy luận)
Latent vector
