Тест, свързан с ръководство · Среден Ниво

Тест за търсене на лъч

Разгледайте как търсенето с лъч запазва няколко частични последователности с висок резултат и как наказанията за оценяване оформят крайния изходен текст.

Свързани ръководни пътекиТърсене с лъч
Въпрос 1 на 8

Какво контролира „ширината на лъча“ (k) при търсене на лъч?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво контролира „ширината на лъча“ (k) при търсене на лъч?
    • Колко частични кандидат последователности се съхраняват при всяка стъпка на декодиране
    • Максималната дължина на генерираната последователност
    • Температурата, приложена към вероятностите
    • Размерът на речниковия запас на модела
  2. Как търсенето на лъч се различава от алчното декодиране?
    • Той винаги избира единствения токен с най-висока вероятност
    • Той поддържа множество частични последователности с висок резултат, вместо да се ангажира с една
    • Той взема проби жетони на случаен принцип
    • Той напълно игнорира вероятностите на символите
  3. Защо нормализацията на дължината обикновено се прилага при търсене на лъч?
    • За по-бързо генериране
    • За увеличаване на речниковия запас
    • Тъй като сумирането на логаритмичните вероятности отклонява резултатите към по-къси последователности
    • За добавяне на случайност към изходите
  4. За коя задача търсенето с лъч е особено подходящо?
    • Отворено творческо разказване на истории
    • Генериране на максимално разнообразен случаен текст
    • Създаване на непредвидима поезия
    • Машинен превод, където се желае верен изход с висока вероятност
  5. Какъв е известният недостатък на използването на много голяма ширина на лъча за генериране с отворен край?
    • Може да произведе по-груб, повтарящ се или изроден текст
    • Гарантира най-креативната продукция
    • Премахва необходимостта от всякакъв вероятностен модел
    • Това кара модела да игнорира входа
  6. На всяка стъпка как търсенето с лъч решава кои кандидати да запази?
    • По азбучен ред на жетоните
    • Чрез кумулативен резултат (сума от логаритмични вероятности), запазвайки горното k
    • Като избираме най-дългите кандидати
    • На случаен принцип измежду всички кандидати
  7. What problem does GNMT’s coverage penalty aim to reduce in translation?
    • Repeatedly encoding the same source vocabulary
    • The use of subword units
    • Output translations that fail to cover source words
    • The number of encoder layers
  8. What does diverse beam search modify to encourage different candidate outputs?
    • It replaces the model probabilities with uniform random scores
    • It removes all but one candidate at the first step
    • It changes the training tokenizer after decoding
    • It penalizes similarity or overlap among candidates in different beam groups