iPAS 考題解析Transformer 架構能改善翻譯準確度的主要原因為何?
你的作答
在題目頁作答不會存進學習紀錄,想留下紀錄可以到題庫練習。
解析
正確答案:A. Self-Attention 機制能捕捉長距離語境依賴
Transformer 的核心是 Self-Attention 機制,它能讓模型在處理每個詞時「看到」整個句子的所有詞,不管距離多遠,因此能捕捉長距離的語意關係。
每個選項為什麼對或錯
-
A Self-Attention 機制能捕捉長距離語境依賴 正解
Correct: Transformer 的核心是 Self-Attention,它讓模型在處理序列中每個詞時,能同時考慮到序列中所有其他詞的關聯性,無論距離遠近,有效解決了傳統 RNN 處理長距離依賴的困難,大幅提升翻譯準確度。
-
B 使用卷積運算加速處理 錯誤選項
Incorrect: Transformer 架構的創新之處在於它完全放棄了卷積(Convolutional)和循環(Recurrent)網路,而是純粹依賴注意力機制來處理序列資料。
-
C 採用強化學習進行翻譯優化 錯誤選項
Incorrect: Transformer 模型主要透過監督式學習(Supervised Learning)進行訓練,利用大量的平行語料來學習翻譯。強化學習在某些進階應用中可能輔助,但不是其架構本身改善翻譯準確度的主要原因。
-
D 透過資料增強提升翻譯品質 錯誤選項
Incorrect: 資料增強(Data Augmentation)是一種通用的資料處理技術,可以幫助提升許多模型的性能,但它不是 Transformer 架構本身特有的優勢或改善翻譯準確度的主要原因。
答案、題目或解析有問題?回報這題