Тест, свързан с ръководство · Среден Ниво

Викторина за моделиране на награда Брадли-Тери

Разберете как Брадли-Тери превръща изборите по двойки в резултати, поддържа моделирането на възнагражденията и се свързва с общите системи за класиране.

Свързани ръководни пътекиБрадли Тери Награда Моделиране
Въпрос 1 на 8

Какво превръща моделът на Брадли-Тери в цифрови резултати?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какво превръща моделът на Брадли-Тери в цифрови резултати?
    • Сравнения по двойки на това кой елемент е предпочитан
    • Абсолютни оценки от 1 до 10
    • Стойности на необработени пиксели
    • Измервания на времеви редове
  2. В Брадли-Тери вероятността A да победи B е функция на какво?
    • Произведението на техните резултати
    • Логистиката на разликата между техните резултати
    • Отчита се съотношението на техния жетон
    • Фиксирани 50 процента, независимо от резултатите
  3. Защо наградите на Брадли-Тери могат да бъдат идентифицирани само до адитивна константа?
    • Защото сумата на резултатите трябва да е единица
    • Защото хората не могат да броят
    • Защото загубата зависи само от разликите в резултата
    • Тъй като сигмоидът премахва цялата информация
  4. Каква е стандартната загуба за сравнение на едно предпочитание при моделиране на възнаграждение?
    • Средна квадратна грешка срещу етикет от 1 до 10
    • Крос-ентропия върху пълния речник
    • Абсолютна разлика в дължините на токените
    • Отрицателен логаритмичен сигмоид на (възнаграждение за избран минус възнаграждение за отхвърлен)
  5. Кой метод пропуска отделен модел на възнаграждение чрез оптимизиране на целта на Брадли-Тери директно в политиката?
    • Директна оптимизация на предпочитанията (DPO)
    • Оптимизация на проксималната политика (PPO)
    • Пакетно нормализиране
    • Градиентно изрязване
  6. Какво е основното ограничение на предположението на Брадли-Тери?
    • Изисква графични процесори за изчисление
    • Той предполага едно последователно, преходно класиране, което може да се счупи, когато предпочитанията се променят
    • Работи само върху изображения
    • Не може да обработва повече от три елемента
  7. Why can pairwise judgments be easier to collect than absolute quality scores?
    • Pairwise choices never contain disagreement
    • Absolute scores cannot be used for training
    • A rater can compare two candidates directly without calibrating a numeric scale
    • A pairwise label reveals every feature of the reward model
  8. Which familiar ranking system is mathematically related to Bradley-Terry-style pairwise scoring?
    • PageRank for web pages
    • TF-IDF for document terms
    • A Fourier transform for audio
    • Elo ratings