Não há mais suporte para esse navegador.
Atualize o Microsoft Edge para aproveitar os recursos, o suporte técnico e as atualizações de segurança mais recentes.
Verifique seus conhecimentos respondendo às perguntas a seguir.
Qual é a finalidade de um LLM (modelo de linguagem grande)?
Para processar e produzir texto em linguagem natural aprendendo com uma grande quantidade de dados de texto para descobrir padrões e regras de linguagem.
Para exibir antropomorfismo e entender emoções.
Para entender a linguagem e os fatos.
Qual é a diferença entre o NLP (processamento de linguagem natural) tradicional e os LLMs (modelos de linguagem grande)?
O NLP tradicional usa muitos terabytes de dados não rotulados no modelo de base, enquanto as LLMs fornecem um conjunto de dados rotulados para treinar o modelo de machine learning.
O NLP tradicional é altamente otimizado para casos de uso específicos, enquanto as LLMs descrevem em linguagem natural o que você deseja que o modelo faça.
O NLP tradicional requer um modelo por funcionalidade, enquanto as LLMs usam um único modelo para muitos casos de uso de linguagem natural.
Qual é a finalidade da tokenização em modelos de linguagem natural?
Para representar o texto de uma maneira significativa para computadores sem perder seu contexto, para que os algoritmos possam identificar padrões com mais facilidade.
Para gerar texto em uma base de letra por letra.
Para representar palavras comuns com um único token.
É necessário responder a todas as perguntas antes de verificar o trabalho.
Esta página foi útil?
Precisa de ajuda com este tópico?
Quer experimentar o Pergunte e Aprenda para esclarecer ou guiar você neste tópico?