N-грама - це послідовність із N лексем у тексті/реченні. Найбільш розповсюджені у практичному використанні є біграми, триграми та тетраграми.

Конвеєри (або pipeline) не можуть реалізувати послідовності обробки даних для однакової векторизації документів

Розмір корпусу може бути малим й не перевищувати сотні чи навіть десятків мегабайт

Корпус в NLP - це колекція взаємопов'язаних документів (текстів) на природній мові.

Структура організації великого корпусу буде менш зручна для практичного використання, якщо увесь корпус записати в один єдиний файл

Конвеєри (або pipeline) будуються шляхом утворення пар "ключ-об'єкт", де ключ має зміст назви етапу обробки, а об'єкт реалізує відповідний етап

Тонке налаштування (fine-tuning), або пост-навчання (post-training), - це перший етап реалізації LLM, який відповідальний за формування базової моделі (foundation model), яка ще не має жодних конкретних цілей, проте вже здатна прогнозувати наступне слово

Мішок слів, або Bag-Of-Words, є беззмістовною множиною слів зі словника, що ніколи не використовуються у вказаному документі

Структура організації великого корпусу буде найзручніша для практичного використання, якщо увесь корпус записати у набір файлів фіксованого розміру (розподілити тексти рівномірно між файлами)

Розмітка документу із маркуванням лексем тегами НЕ потрібна для... (оберіть кілька варіантів, що підходять)