Este navegador já não é suportado.
Atualize para o Microsoft Edge para tirar partido das funcionalidades mais recentes, atualizações de segurança e suporte técnico.
Verifique os seus conhecimentos respondendo às seguintes perguntas.
Qual é o objetivo de um modelo de linguagem grande (LLM)?
Processar e produzir texto em linguagem natural, aprendendo com uma enorme quantidade de dados de texto para descobrir padrões e regras de linguagem.
Demonstrar antropomorfismo e compreender as emoções.
Compreender a linguagem e os factos.
Qual é a diferença entre o processamento tradicional de linguagem natural (NLP) e os modelos de linguagem grande (LLMs)?
A PNL tradicional usa muitos terabytes de dados não rotulados no modelo de base, enquanto os LLMs fornecem um conjunto de dados rotulados para treinar o modelo de aprendizado de máquina.
A PNL tradicional é altamente otimizada para casos de uso específicos, enquanto os LLMs descrevem em linguagem natural o que você deseja que o modelo faça.
A PNL tradicional requer um modelo por capacidade, enquanto os LLMs usam um único modelo para muitos casos de uso de linguagem natural.
Qual é o objetivo da tokenização em modelos de linguagem natural?
Representar o texto de uma forma que seja significativa para as máquinas sem perder o seu contexto, para que os algoritmos possam identificar padrões mais facilmente.
Para gerar texto letra a letra.
Para representar palavras comuns com um único token.
Tem de responder a todas as questões antes de verificar o seu trabalho.
Esta página foi útil?
Precisa de ajuda com este tema?
Quer experimentar usar o Ask Learn para esclarecer ou orientar este tema?