course/pr_1101/ro/_app/immutable/nodes/4.fa3397dc.js

import{s as Ae,n as _e,o as Ve}from"../chunks/scheduler.893fe8c9.js";import{S as Fe,i as Se,e as Y,s as r,c as l,h as He,a as D,d as i,b as n,f as We,g as s,j as Ie,k as Ze,l as Ee,m as a,n as u,t as c,o as p,p as o}from"../chunks/index.6ee278c6.js";import{C as Re,H as m,E as Pe}from"../chunks/MermaidChart.svelte_svelte_type_style_lang.d6bec41d.js";import{C as qe}from"../chunks/CodeBlock.80b42c17.js";import{C as Ne}from"../chunks/CourseFloatingBanner.bdae1a47.js";import{Q as d}from"../chunks/Question.6edba373.js";function Qe(Be){let f,K,N,L,$,X,g,O,x,ee,b,ke="Acest capitol a acoperit o mulțime de subiecte! Nu vă faceți griji dacă nu ați înțeles toate detaliile; capitolele următoare vă vor ajuta să înțelegeți cum funcționează lucrurile în mecanismele lor interne.",te,y,Ge="Mai întâi, însă, să testăm ceea ce ați învățat în acest capitol!",ie,h,ae,v,re,z,ne,w,le,T,se,M,ue,U,ce,C,pe,J,oe,j,me,q,de,B,fe,k,$e,G,ge,W,xe,I,be,Z,ye,A,he,_,ve,V,ze,F,we,S,Te,H,Me,E,Ue,R,Ce,P,Je,Q,je;return $=new Re({props:{containerStyle:"float: right; margin-left: 10px; display: inline-flex; position: relative; z-index: 10;"}}),g=new m({props:{title:"Quiz de sfârșit de capitol",local:"test-de-sfârșit-de-capitol",headingTag:"h1"}}),x=new Ne({props:{chapter:1,classNames:"absolute z-10 right-0 top-0"}}),h=new m({props:{title:"1. Explorați Hub-ul și căutați checkpoint-ul roberta-large-mnli . Ce sarcină îndeplinește acesta?",local:"1-explorați-hub-ul-și-căutați-checkpoint-ul-roberta-large-mnli--ce-sarcină-îndeplinește-acesta",headingTag:"h3"}}),v=new d({props:{choices:[{text:"Sumarizare",explain:'Uitați-vă din nou pe pagina <a href="https://huggingface.co/roberta-large-mnli">roberta-large-mnli</a>.'},{text:"Clasificare de text",explain:"Mai precis, clasifică dacă două propoziții sunt legate logic folosind trei etichete (contradicție, neutru, implicație) — o sarcină numită și <em>inferență în limbaj natural</em>.",correct:!0},{text:"Generare de text",explain:'Uitați-vă din nou pe pagina <a href="https://huggingface.co/roberta-large-mnli">roberta-large-mnli</a>.'}]}}),z=new m({props:{title:"2. Ce va returna următorul cod?",local:"2-ce-va-returna-următorul-cod",headingTag:"h3"}}),w=new qe({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBbmVyJTIwJTNEJTIwcGlwZWxpbmUoJTIybmVyJTIyJTJDJTIwZ3JvdXBlZF9lbnRpdGllcyUzRFRydWUpJTBBbmVyKCUyMk15JTIwbmFtZSUyMGlzJTIwU3lsdmFpbiUyMGFuZCUyMEklMjB3b3JrJTIwYXQlMjBIdWdnaW5nJTIwRmFjZSUyMGluJTIwQnJvb2tseW4uJTIyKQ==",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

ner = pipeline(<span class="hljs-string">&quot;ner&quot;</span>, grouped_entities=<span class="hljs-literal">True</span>)
ner(<span class="hljs-string">&quot;My name is Sylvain and I work at Hugging Face in Brooklyn.&quot;</span>)`,wrap:!1}}),T=new d({props:{choices:[{text:'Va returna scoruri de clasificare pentru această propoziție, cu etichetele "pozitiv" sau "negativ".',explain:"Aceasta este incorect — acesta ar fi un pipeline de <code>sentiment-analysis</code>."},{text:"Va returna un text generat care completează această propoziție.",explain:"Aceasta este incorect — ar fi un pipeline de <code>text-generation</code>."},{text:"Va returna cuvintele care reprezintă persoane, organizații sau locații.",explain:'În plus, cu <code>grouped_entities=True</code>, va grupa împreună cuvintele care aparțin aceleiași entități, precum "Hugging Face".',correct:!0}]}}),M=new m({props:{title:"3. Ce ar trebui să înlocuiască … în acest exemplu de cod?",local:"3-ce-ar-trebui-să-înlocuiască--în-acest-exemplu-de-cod",headingTag:"h3"}}),U=new qe({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBZmlsbGVyJTIwJTNEJTIwcGlwZWxpbmUoJTIyZmlsbC1tYXNrJTIyJTJDJTIwbW9kZWwlM0QlMjJiZXJ0LWJhc2UtY2FzZWQlMjIpJTBBcmVzdWx0JTIwJTNEJTIwZmlsbGVyKCUyMi4uLiUyMik=",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

filler = pipeline(<span class="hljs-string">&quot;fill-mask&quot;</span>, model=<span class="hljs-string">&quot;bert-base-cased&quot;</span>)
result = filler(<span class="hljs-string">&quot;...&quot;</span>)`,wrap:!1}}),C=new d({props:{choices:[{text:"This &#60;mask> has been waiting for you.",explain:"Aceasta este incorect. Verificați cardul modelului <code>bert-base-cased</code> și încercați să identificați greșeala."},{text:"This [MASK] has been waiting for you.",explain:"Corect! Token-ul de mască al acestui model este [MASK].",correct:!0},{text:"This man has been waiting for you.",explain:"Aceasta este incorect. Acest pipeline completează cuvinte mascate, deci are nevoie de un token de mască undeva."}]}}),J=new m({props:{title:"4. De ce nu va funcționa acest cod?",local:"4-de-ce-nu-va-funcționa-acest-cod",headingTag:"h3"}}),j=new qe({props:{code:"ZnJvbSUyMHRyYW5zZm9ybWVycyUyMGltcG9ydCUyMHBpcGVsaW5lJTBBJTBBY2xhc3NpZmllciUyMCUzRCUyMHBpcGVsaW5lKCUyMnplcm8tc2hvdC1jbGFzc2lmaWNhdGlvbiUyMiklMEFyZXN1bHQlMjAlM0QlMjBjbGFzc2lmaWVyKCUyMlRoaXMlMjBpcyUyMGElMjBjb3Vyc2UlMjBhYm91dCUyMHRoZSUyMFRyYW5zZm9ybWVycyUyMGxpYnJhcnklMjIp",highlighted:`<span class="hljs-keyword">from</span> transformers <span class="hljs-keyword">import</span> pipeline

classifier = pipeline(<span class="hljs-string">&quot;zero-shot-classification&quot;</span>)
result = classifier(<span class="hljs-string">&quot;This is a course about the Transformers library&quot;</span>)`,wrap:!1}}),q=new d({props:{choices:[{text:"Acest pipeline necesită să fie furnizate etichete pentru a clasifica acest text.",explain:"Corect — codul corect trebuie să includă <code>candidate_labels=[...]</code>.",correct:!0},{text:"Acest pipeline necesită mai multe propoziții, nu doar una.",explain:"Aceasta este incorect, deși atunci când este utilizat corespunzător, acest pipeline poate primi o listă de propoziții de procesat (ca toate celelalte pipeline-uri)."},{text:"Biblioteca 🤗 Transformers este defectă, ca de obicei.",explain:"Nu vom onora acest răspuns cu un comentariu!"},{text:"Acest pipeline necesită intrări mai lungi; aceasta este prea scurtă.",explain:"Aceasta este incorect. Rețineți că un text foarte lung va fi trunchiat atunci când este procesat de acest pipeline."}]}}),B=new m({props:{title:"5. Ce înseamnă „transfer learning”?",local:"5-ce-înseamnă-transfer-learning",headingTag:"h3"}}),k=new d({props:{choices:[{text:"Transferul cunoștințelor unui model preantrenat către un model nou prin antrenarea acestuia pe același set de date.",explain:"Nu, aceasta ar însemna două versiuni ale aceluiași model."},{text:"Transferul cunoștințelor unui model preantrenat către un model nou prin inițializarea celui de-al doilea model cu ponderile primului model.",explain:"Corect: când al doilea model este antrenat pe o nouă sarcină, acesta *transferă* cunoștințele primului model.",correct:!0},{text:"Transferul cunoștințelor unui model preantrenat către un model nou prin construirea celui de-al doilea model cu aceeași arhitectură ca primul model.",explain:"Arhitectura este doar modul în care este construit modelul; nu există cunoștințe împărtășite sau transferate în acest caz."}]}}),G=new m({props:{title:"6. Adevărat sau fals? De obicei, un model lingvistic nu are nevoie de etichete pentru preinstruire.",local:"6-adevărat-sau-fals-de-obicei-un-model-lingvistic-nu-are-nevoie-de-etichete-pentru-preinstruire",headingTag:"h3"}}),W=new d({props:{choices:[{text:"Adevărat",explain:"Preantrenarea este de obicei <em>auto-supervizată</em>, ceea ce înseamnă că etichetele sunt create automat din intrări (cum ar fi prezicerea următorului cuvânt sau completarea unor cuvinte mascate).",correct:!0},{text:"Fals",explain:"Incorect."}]}}),I=new m({props:{title:"7. Selectați propoziția care descrie cel mai bine termenii „model”, „arhitectură” și „greutăți”.",local:"7-selectați-propoziția-care-descrie-cel-mai-bine-termenii-model-arhitectură-și-greutăți",headingTag:"h3"}}),Z=new d({props:{choices:[{text:"Dacă un model este o clădire, arhitectura sa este planul și greutățile sunt oamenii care locuiesc în interior.",explain:"Urmând această metaforă, greutățile ar fi cărămizile și alte materiale utilizate pentru construirea clădirii."},{text:"O arhitectură este o hartă pentru a construi un model, iar greutățile sale sunt orașele reprezentate pe hartă.",explain:"Problema cu această metaforă este că o hartă reprezintă de obicei o realitate existentă (există doar un singur oraș în Franța numit Paris). Pentru o arhitectură dată, sunt posibile multiple greutăți."},{text:"O arhitectură este o succesiune de funcții matematice pentru a construi un model, iar greutățile sale sunt parametrii acelor funcții.",explain:"Același set de funcții matematice (arhitectură) poate fi utilizat pentru a construi modele diferite prin utilizarea unor parametri diferiți (greutăți).",correct:!0}]}}),A=new m({props:{title:"8. Care dintre aceste tipuri de modele le-ați folosi pentru a completa prompt-urile cu text generat?",local:"8-care-dintre-aceste-tipuri-de-modele-le-ați-folosi-pentru-a-completa-prompt-urile-cu-text-generat",headingTag:"h3"}}),_=new d({props:{choices:[{text:"Un model encoder",explain:"Un model encoder generează o reprezentare a întregii propoziții care este mai potrivită pentru sarcini precum clasificarea."},{text:"Un model decoder",explain:"Modelele decoder sunt perfect potrivite pentru generarea de text din prompt-uri.",correct:!0},{text:"Un model sequence-to-sequence",explain:"Modelele sequence-to-sequence sunt mai potrivite pentru sarcini în care doriți să generați propoziții în relație cu propozițiile de intrare, nu cu un prompt dat."}]}}),V=new m({props:{title:"9. Care dintre aceste tipuri de modele le-ați folosi pentru a rezuma texte?",local:"9-care-dintre-aceste-tipuri-de-modele-le-ați-folosi-pentru-a-rezuma-texte",headingTag:"h3"}}),F=new d({props:{choices:[{text:"Un model encoder",explain:"Un model encoder generează o reprezentare a întregii propoziții care este mai potrivită pentru sarcini precum clasificarea."},{text:"Un model decoder",explain:"Modelele decoder sunt bune pentru generarea de text de ieșire (cum ar fi rezumatele), dar nu au capacitatea de a exploata un context precum întregul text de rezumat."},{text:"Un model sequence-to-sequence",explain:"Modelele sequence-to-sequence sunt perfect potrivite pentru o sarcină de sumarizare.",correct:!0}]}}),S=new m({props:{title:"10. Care dintre aceste tipuri de modele le-ați utiliza pentru a clasifica intrările de text în funcție de anumite etichete?",local:"10-care-dintre-aceste-tipuri-de-modele-le-ați-utiliza-pentru-a-clasifica-intrările-de-text-în-funcție-de-anumite-etichete",headingTag:"h3"}}),H=new d({props:{choices:[{text:"Un model encoder",explain:"Un model encoder generează o reprezentare a întregii propoziții care este perfect potrivită pentru o sarcină precum clasificarea.",correct:!0},{text:"Un model decoder",explain:"Modelele decoder sunt bune pentru generarea de texte de ieșire, nu pentru extragerea unei etichete dintr-o propoziție."},{text:"Un model sequence-to-sequence",explain:"Modelele sequence-to-sequence sunt mai potrivite pentru sarcini în care doriți să generați text bazat pe o propoziție de intrare, nu o etichetă."}]}}),E=new m({props:{title:"11. Ce sursă posibilă poate avea prejudecata observată într-un model?",local:"11-ce-sursă-posibilă-poate-avea-prejudecata-observată-într-un-model",headingTag:"h3"}}),R=new d({props:{choices:[{text:"Modelul este o versiune fine-tuned a unui model preantrenat și a preluat prejudecata de la acesta.",explain:"Când aplicați Transfer Learning, prejudecata din modelul preantrenat utilizat persistă în modelul fine-tuned.",correct:!0},{text:"Datele pe care a fost antrenat modelul sunt părtinitoare.",explain:"Aceasta este cea mai evidentă sursă de prejudecată, dar nu singura.",correct:!0},{text:"Metrica pe care modelul o optimiza este părtinitoare.",explain:"O sursă mai puțin evidentă de prejudecată este modul în care modelul este antrenat. Modelul dvs. va optimiza orb pentru orice metrică ați ales, fără alte considerații.",correct:!0}]}}),P=new Pe({props:{source:"https://github.com/huggingface/course/blob/main/chapters/ro/chapter1/10.mdx"}}),{c(){f=Y("meta"),K=r(),N=Y("p"),L=r(),l($.$$.fragment),X=r(),l(g.$$.fragment),O=r(),l(x.$$.fragment),ee=r(),b=Y("p"),b.textContent=ke,te=r(),y=Y("p"),y.textContent=Ge,ie=r(),l(h.$$.fragment),ae=r(),l(v.$$.fragment),re=r(),l(z.$$.fragment),ne=r(),l(w.$$.fragment),le=r(),l(T.$$.fragment),se=r(),l(M.$$.fragment),ue=r(),l(U.$$.fragment),ce=r(),l(C.$$.fragment),pe=r(),l(J.$$.fragment),oe=r(),l(j.$$.fragment),me=r(),l(q.$$.fragment),de=r(),l(B.$$.fragment),fe=r(),l(k.$$.fragment),$e=r(),l(G.$$.fragment),ge=r(),l(W.$$.fragment),xe=r(),l(I.$$.fragment),be=r(),l(Z.$$.fragment),ye=r(),l(A.$$.fragment),he=r(),l(_.$$.fragment),ve=r(),l(V.$$.fragment),ze=r(),l(F.$$.fragment),we=r(),l(S.$$.fragment),Te=r(),l(H.$$.fragment),Me=r(),l(E.$$.fragment),Ue=r(),l(R.$$.fragment),Ce=r(),l(P.$$.fragment),Je=r(),Q=Y("p"),this.h()},l(e){const t=He("svelte-u9bgzb",document.head);f=D(t,"META",{name:!0,content:!0}),t.forEach(i),K=n(e),N=D(e,"P",{}),We(N).forEach(i),L=n(e),s($.$$.fragment,e),X=n(e),s(g.$$.fragment,e),O=n(e),s(x.$$.fragment,e),ee=n(e),b=D(e,"P",{"data-svelte-h":!0}),Ie(b)!=="svelte-16k6t6k"&&(b.textContent=ke),te=n(e),y=D(e,"P",{"data-svelte-h":!0}),Ie(y)!=="svelte-1oj164z"&&(y.textContent=Ge),ie=n(e),s(h.$$.fragment,e),ae=n(e),s(v.$$.fragment,e),re=n(e),s(z.$$.fragment,e),ne=n(e),s(w.$$.fragment,e),le=n(e),s(T.$$.fragment,e),se=n(e),s(M.$$.fragment,e),ue=n(e),s(U.$$.fragment,e),ce=n(e),s(C.$$.fragment,e),pe=n(e),s(J.$$.fragment,e),oe=n(e),s(j.$$.fragment,e),me=n(e),s(q.$$.fragment,e),de=n(e),s(B.$$.fragment,e),fe=n(e),s(k.$$.fragment,e),$e=n(e),s(G.$$.fragment,e),ge=n(e),s(W.$$.fragment,e),xe=n(e),s(I.$$.fragment,e),be=n(e),s(Z.$$.fragment,e),ye=n(e),s(A.$$.fragment,e),he=n(e),s(_.$$.fragment,e),ve=n(e),s(V.$$.fragment,e),ze=n(e),s(F.$$.fragment,e),we=n(e),s(S.$$.fragment,e),Te=n(e),s(H.$$.fragment,e),Me=n(e),s(E.$$.fragment,e),Ue=n(e),s(R.$$.fragment,e),Ce=n(e),s(P.$$.fragment,e),Je=n(e),Q=D(e,"P",{}),We(Q).forEach(i),this.h()},h(){Ze(f,"name","hf:doc:metadata"),Ze(f,"content",Ye)},m(e,t){Ee(document.head,f),a(e,K,t),a(e,N,t),a(e,L,t),u($,e,t),a(e,X,t),u(g,e,t),a(e,O,t),u(x,e,t),a(e,ee,t),a(e,b,t),a(e,te,t),a(e,y,t),a(e,ie,t),u(h,e,t),a(e,ae,t),u(v,e,t),a(e,re,t),u(z,e,t),a(e,ne,t),u(w,e,t),a(e,le,t),u(T,e,t),a(e,se,t),u(M,e,t),a(e,ue,t),u(U,e,t),a(e,ce,t),u(C,e,t),a(e,pe,t),u(J,e,t),a(e,oe,t),u(j,e,t),a(e,me,t),u(q,e,t),a(e,de,t),u(B,e,t),a(e,fe,t),u(k,e,t),a(e,$e,t),u(G,e,t),a(e,ge,t),u(W,e,t),a(e,xe,t),u(I,e,t),a(e,be,t),u(Z,e,t),a(e,ye,t),u(A,e,t),a(e,he,t),u(_,e,t),a(e,ve,t),u(V,e,t),a(e,ze,t),u(F,e,t),a(e,we,t),u(S,e,t),a(e,Te,t),u(H,e,t),a(e,Me,t),u(E,e,t),a(e,Ue,t),u(R,e,t),a(e,Ce,t),u(P,e,t),a(e,Je,t),a(e,Q,t),je=!0},p:_e,i(e){je||(c($.$$.fragment,e),c(g.$$.fragment,e),c(x.$$.fragment,e),c(h.$$.fragment,e),c(v.$$.fragment,e),c(z.$$.fragment,e),c(w.$$.fragment,e),c(T.$$.fragment,e),c(M.$$.fragment,e),c(U.$$.fragment,e),c(C.$$.fragment,e),c(J.$$.fragment,e),c(j.$$.fragment,e),c(q.$$.fragment,e),c(B.$$.fragment,e),c(k.$$.fragment,e),c(G.$$.fragment,e),c(W.$$.fragment,e),c(I.$$.fragment,e),c(Z.$$.fragment,e),c(A.$$.fragment,e),c(_.$$.fragment,e),c(V.$$.fragment,e),c(F.$$.fragment,e),c(S.$$.fragment,e),c(H.$$.fragment,e),c(E.$$.fragment,e),c(R.$$.fragment,e),c(P.$$.fragment,e),je=!0)},o(e){p($.$$.fragment,e),p(g.$$.fragment,e),p(x.$$.fragment,e),p(h.$$.fragment,e),p(v.$$.fragment,e),p(z.$$.fragment,e),p(w.$$.fragment,e),p(T.$$.fragment,e),p(M.$$.fragment,e),p(U.$$.fragment,e),p(C.$$.fragment,e),p(J.$$.fragment,e),p(j.$$.fragment,e),p(q.$$.fragment,e),p(B.$$.fragment,e),p(k.$$.fragment,e),p(G.$$.fragment,e),p(W.$$.fragment,e),p(I.$$.fragment,e),p(Z.$$.fragment,e),p(A.$$.fragment,e),p(_.$$.fragment,e),p(V.$$.fragment,e),p(F.$$.fragment,e),p(S.$$.fragment,e),p(H.$$.fragment,e),p(E.$$.fragment,e),p(R.$$.fragment,e),p(P.$$.fragment,e),je=!1},d(e){e&&(i(K),i(N),i(L),i(X),i(O),i(ee),i(b),i(te),i(y),i(ie),i(ae),i(re),i(ne),i(le),i(se),i(ue),i(ce),i(pe),i(oe),i(me),i(de),i(fe),i($e),i(ge),i(xe),i(be),i(ye),i(he),i(ve),i(ze),i(we),i(Te),i(Me),i(Ue),i(Ce),i(Je),i(Q)),i(f),o($,e),o(g,e),o(x,e),o(h,e),o(v,e),o(z,e),o(w,e),o(T,e),o(M,e),o(U,e),o(C,e),o(J,e),o(j,e),o(q,e),o(B,e),o(k,e),o(G,e),o(W,e),o(I,e),o(Z,e),o(A,e),o(_,e),o(V,e),o(F,e),o(S,e),o(H,e),o(E,e),o(R,e),o(P,e)}}}const Ye='{"title":"Quiz de sfârșit de capitol","local":"test-de-sfârșit-de-capitol","sections":[{"title":"1. Explorați Hub-ul și căutați checkpoint-ul roberta-large-mnli . Ce sarcină îndeplinește acesta?","local":"1-explorați-hub-ul-și-căutați-checkpoint-ul-roberta-large-mnli--ce-sarcină-îndeplinește-acesta","sections":[],"depth":3},{"title":"2. Ce va returna următorul cod?","local":"2-ce-va-returna-următorul-cod","sections":[],"depth":3},{"title":"3. Ce ar trebui să înlocuiască … în acest exemplu de cod?","local":"3-ce-ar-trebui-să-înlocuiască--în-acest-exemplu-de-cod","sections":[],"depth":3},{"title":"4. De ce nu va funcționa acest cod?","local":"4-de-ce-nu-va-funcționa-acest-cod","sections":[],"depth":3},{"title":"5. Ce înseamnă „transfer learning”?","local":"5-ce-înseamnă-transfer-learning","sections":[],"depth":3},{"title":"6. Adevărat sau fals? De obicei, un model lingvistic nu are nevoie de etichete pentru preinstruire.","local":"6-adevărat-sau-fals-de-obicei-un-model-lingvistic-nu-are-nevoie-de-etichete-pentru-preinstruire","sections":[],"depth":3},{"title":"7. Selectați propoziția care descrie cel mai bine termenii „model”, „arhitectură” și „greutăți”.","local":"7-selectați-propoziția-care-descrie-cel-mai-bine-termenii-model-arhitectură-și-greutăți","sections":[],"depth":3},{"title":"8. Care dintre aceste tipuri de modele le-ați folosi pentru a completa prompt-urile cu text generat?","local":"8-care-dintre-aceste-tipuri-de-modele-le-ați-folosi-pentru-a-completa-prompt-urile-cu-text-generat","sections":[],"depth":3},{"title":"9. Care dintre aceste tipuri de modele le-ați folosi pentru a rezuma texte?","local":"9-care-dintre-aceste-tipuri-de-modele-le-ați-folosi-pentru-a-rezuma-texte","sections":[],"depth":3},{"title":"10. Care dintre aceste tipuri de modele le-ați utiliza pentru a clasifica intrările de text în funcție de anumite etichete?","local":"10-care-dintre-aceste-tipuri-de-modele-le-ați-utiliza-pentru-a-clasifica-intrările-de-text-în-funcție-de-anumite-etichete","sections":[],"depth":3},{"title":"11. Ce sursă posibilă poate avea prejudecata observată într-un model?","local":"11-ce-sursă-posibilă-poate-avea-prejudecata-observată-într-un-model","sections":[],"depth":3}],"depth":1}';function De(Be){return Ve(()=>{new URLSearchParams(window.location.search).get("fw")}),[]}class it extends Fe{constructor(f){super(),Se(this,f,De,Qe,Ae,{})}}export{it as component};