course/pr_1213/ru/chapter1/10.md

# Тест в конце главы[[end-of-chapter-quiz]]

В этой главе было много материала! Если вы чувствуете, что все еще всецело не познали все премудрости трансформеров - не переживайте! В следующих главах мы детально расскажем, как все устроено "под капотом".

Сперва, однако, давайте проверим, что вы узнали в этой главе!

### 1. Зайдите на Hub и найдите чекпоинт модели `roberta-large-mnli`. Какую задачу она решает?

странице roberta-large-mnli."
		},
		{
			text: "Классификация текстов",
			explain: "В частности, модель определяет, являются ли два предложения логически связанными и присваивает одну из трех меток: противопоставление, нейтральная связь, импликация (англ. contradiction, neutral, entailment). Эта задача называется автоматическое определение логической связи между текстами (англ. natural language inference).",
			correct: true
		},
		{
			text: "Генерация текста",
			explain: "Посмотрите получше на странице roberta-large-mnli."
		}
	]}
/>

### 2. Какой будет результат выполнения данного кода?

```py
from transformers import pipeline

ner = pipeline("ner", grouped_entities=True)
ner("My name is Sylvain and I work at Hugging Face in Brooklyn.")
```

sentiment-analysis."
		},
		{
			text: "Пайплайн вернет текст, сгенерированный на основе данного предложения.",
			explain: "Неверно — для этого используется пайплайн text-generation.",
		},
		{
			text: "Пайплайн вернет слова, обозначающие персон, организаций или географических локаций.",
			explain: "Кроме того, с аргументом grouped_entities=True, пайплайн сгруппирует слова, принадлежащие одной и той же сущности, например, \"Hugging Face\".",
			correct: true
		}
	]}
/>

### 3. Чем нужно заменить ... в данном коде?

```py
from transformers import pipeline

filler = pipeline("fill-mask", model="bert-base-cased")
result = filler("...")
```

 has been waiting for you.",
			explain: "Неверно. Прочитайте карточку модели bert-base-cased и попробуйте найти, где вы ошиблись."
		},
		{
			text: "This [MASK] has been waiting for you.",
			explain: "Верно! Токен-маска для этой модели - [MASK].",
			correct: true
		},
		{
			text: "This man has been waiting for you.",
			explain: "Неверно. Этот пайплайн предсказывает замаскированный токен, а для этого нужно предоставить токен-маску."
		}
	]}
/>

### 4. Почему этот код выдаст ошибку?

```py
from transformers import pipeline

classifier = pipeline("zero-shot-classification")
result = classifier("This is a course about the Transformers library")
```

candidate_labels=[...].",
			correct: true
		},
		{
			text: "Этому пайплайну требуются несколько предложений, а не одно.",
			explain: "Неверно. Хотя, если использовать этот пайплайн правильно, он может принимать на вход массив предложений (как и все остальные пайплайны)."
		},
		{
			text: "Опять библиотека 🤗 Transformers не работает как положено.",
			explain: "Мы даже не будем комментировать этот ответ!"
		},
		{
			text: "Этому пайплайну требуются более длинные предложения - это слишком короткое.",
			explain: "Неверно. Однако, стоит отметить, что этот пайплайн обрежет очень длинный текст, для того, чтобы его корректно обработать."
		}
	]}
/>

### 5. Что такое «трансферное обучение»?

получит знания предобученной модели. Другими словами, предобученная модель передаст свои знания новой.",
			correct: true
		},
		{
			text: "Передача знаний от предобученной модели к новой модели путем проектирования новой модели с той же самой архитектурой, что и у предобученной.",
			explain: "Архитектура - это лишь «скелет» модели; в этом случае никой передачи знаний не происходит."
		}
	]}
/>

### 6. Правда или ложь? Для предобучения языковой модели обычно не требуются метки классов.

самостоятельно (англ. self-supervised). Это означает, что метки классов создаются автоматически на основе входных данных (например, предсказание следующего или замаскированного слова).",
			correct: true
		},
		{
			text: "Ложь",
			explain: "Это неверный ответ."
		}
	]}
/>

### 7. Выберите предложение, которое наилучшим способом описывает следующие термины: «модель», «архитектура» и «веса».

### 8. Какую из этих моделей вы выберете для дополнения текста по введенной его части?

### 9. Какую из этих моделей вы выберете для автоматического реферирования?

### 10. Какую из этих моделей вы выберете для классификации текстов путем присвоения им определенных меток?

### 11. Что может быть одной из причин предвзятости модели?