ميروستات Perplexity اختبار التحكم

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

1. What does Mirostat try to control during generation?
   • A target level of output perplexity or surprise
   • عدد معلمات النموذج
   • The training dataset size
   • درجة حرارة وحدة معالجة الرسومات
2. كيف يختلف Mirostat بشكل أساسي عن أخذ العينات القياسية top-k أو top-p؟
   • لا يستخدم العشوائية أبدًا
   • يقوم بضبط الاقتطاع ديناميكيًا باستخدام التعليقات بدلاً من الاقتطاع الثابت
   • إنه يعمل فقط على الصور
   • يتطلب إعادة تدريب النموذج
3. في Mirostat، ما هو الدور الذي تلعبه المعلمة إيتا؟
   • فهو يحدد حجم المفردات
   • يعمل على إصلاح طول الإخراج
   • إنه معدل التعلم الذي يتحكم في مدى سرعة تكيف العتبة
   • أنه تعطيل أخذ العينات
4. ما هو التحسين الرئيسي للإصدار 2 من Mirostat مقارنة بالإصدار 1؟
   • فهو يولد الصور أيضا
   • يتطلب المزيد من الذاكرة
   • يقوم بإزالة المعلمة تاو
   • إنه يسقط افتراض توزيع Zipfian للتحكم الأبسط والأكثر قوة
5. إذا اكتشف Mirostat أن المخرجات أصبحت قابلة للتنبؤ بها للغاية، فسوف:
   • قم بفك الاقتطاع للسماح برموز أكثر تنوعًا
   • تشديد الاقتطاع للسماح بعدد أقل من الرموز المميزة
   • توقف عن التوليد فورًا
   • زيادة حجم النموذج
6. Which Mirostat settings does current llama.cpp expose?
   • Tokenizer vocabulary and number of layers
   • Mode, target tau, and learning-rate eta
   • Only the prompt length
   • Training epochs and validation loss
7. What does eta control in Mirostat’s feedback update?
   • The size of the model vocabulary
   • The target number of output tokens
   • How strongly the threshold changes in response to the observed error
   • The probability of a correct factual answer
8. What does a Mirostat target not guarantee by itself?
   • That the sampler reads token probabilities
   • That the setting can influence surprise
   • That the output contains tokens
   • That the generated text is factually correct