وظائف التأثير في اختبار إسناد بيانات التدريب

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما هو السؤال المضاد الذي تؤثر عليه الوظائف التقريبية؟
   • كيف ستتغير الخسارة في نقطة الاختبار إذا تمت إزالة مثال التدريب أو زيادة وزنه
   • مدى دقة النموذج في المتوسط
   • مدى سرعة تدريب النموذج
   • كم عدد المعلمات التي يحتوي عليها النموذج
2. ما الكائن الرياضي الذي يجعل حساب التأثير الدقيق أمرًا صعبًا بالنسبة للنماذج الكبيرة؟
   • وظيفة سوفت ماكس
   • معكوس هسه من الخسارة
   • جدول معدل التعلم
   • حجم الدفعة
3. من الذي قام بتكييف وظائف التأثير مع التعلم العميق الحديث في ورقة بحثية معروفة عام 2017؟
   • جودفيلو وبينجيو
   • فاسواني وآخرون.
   • كوه وليانغ
   • هينتون و ليكون
4. Under Koh and Liang’s standard I_up,loss convention, what does a negative value indicate?
   • The point was not in the training data
   • Upweighting the point is estimated to increase test loss
   • The point has no relationship to the test example
   • Upweighting the point is estimated to lower test loss, so it is helpful
5. ما هو التقريب الذي استخدمته Anthropic لقياس وظائف التأثير على نماذج اللغة الكبيرة؟
   • EK-FAC (الانحناء المعامل كرونيكر)
   • التسرب
   • بحث شعاع
   • خلط
6. ماذا توصلت دراسة Anthropic الموسعة حول الأمثلة المؤثرة؟
   • هم دائما نسخ طبق الأصل من الإخراج
   • غالبًا ما يتشاركون في أنماط مجردة بدلاً من الصياغة المتطابقة
   • يتم توزيعها بشكل عشوائي
   • فقط المثال التدريبي الأول هو المهم
7. In the influence-function approximation, what connects a training-example gradient to the effect on a test loss?
   • The test set’s token count
   • A random forest over training labels
   • The inverse Hessian of the training loss
   • The model’s output vocabulary size
8. If removing one training example is estimated to increase a test point’s loss, what does that suggest about the example?
   • It was guaranteed to be a duplicate
   • It had no relationship to the model
   • It necessarily caused the model to overfit
   • It had a helpful influence on that test point under the approximation