Logit التحيز مسابقة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. ما الذي يعدله التحيز اللوغاريتمي؟
   • النتيجة (السجل) لرموز محددة قبل أخذ العينات
   • الأوزان التدريبية للنموذج بشكل دائم
   • درجة حرارة الموجه كله
   • عدد الرموز المميزة في نافذة السياق
2. في العديد من واجهات برمجة التطبيقات، ما الذي يحققه التحيز اللوغاريتمي بمقدار -100 على الرمز المميز؟
   • يجعل الرمز المميز أكثر احتمالية 100 مرة
   • يمنع بشكل فعال إنشاء الرمز المميز
   • حذف الرمز من المفردات إلى الأبد
   • مضاعفة سرعة النموذج
3. What numeric range does the documented OpenAI Chat Completions logit_bias accept for a token?
   • From 0 to 1 only
   • From -1 to 1 only
   • From -100 to 100
   • Any string value
4. يتم تحديد التحيز اللوغاريتمي إلى أي معرف؟
   • الكلمة ذات النص العادي
   • موقف الجملة
   • اسم النموذج
   • معرف الرمز الرقمي
5. نظرًا لأن اللوجيستات يتم تمريرها عبر softmax، ما هو تأثير إضافة انحياز إيجابي؟
   • إنه يعزز الوزن النسبي للرمز بشكل كبير قبل التطبيع
   • ويضيف خطيا احتمالا ثابتا
   • ليس له أي تأثير حتى التدريب
   • فإنه يزيل الرمز المميز من الاعتبار
6. الميزة الرئيسية للتحيز اللوغاريتمي على الضبط الدقيق هي أنه:
   • يحسن بشكل دائم معرفة النموذج
   • لا يتطلب إعادة التدريب وينطبق على كل طلب
   • يزيد من حجم نافذة السياق
   • يعمل فقط على الصور
7. Why should a developer inspect the tokenizer before applying a bias to a visible word?
   • Token IDs are assigned only after sampling
   • Visible words always equal one token
   • The word may be represented by several token IDs, so biasing one ID may not cover all forms
   • The tokenizer controls the model’s training data
8. What is a practical risk of applying a strong positive bias to one token?
   • It increases the context window
   • It changes the model weights permanently
   • It guarantees the token appears exactly once
   • It can distort generation or produce repetitive, awkward text