Тест за оптимизация на Kahneman-Tversky

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какъв вид данни изисква KTO?
   • Двоични желани/нежелани етикети на отделни изходи
   • Класирани двойки избрани и отхвърлени отговори
   • Само немаркиран текст
   • Числени резултати за награди от 0 до 100
2. KTO е вдъхновен от кое произведение?
   • Относителността на Айнщайн
   • Теорията за перспективите на Канеман и Тверски
   • Еволюцията на Дарвин
   • Информационната теория на Шанън
3. Какво е „отбягване на загуба“, както се използва в KTO?
   • Избягване на всяка функция за загуба изцяло
   • Отказва да тренира върху загуби
   • Наказване на нежелани резултати по-рязко, отколкото награждаване на желани
   • Правене на скоростта на обучение отрицателна
4. What kind of feedback can KTO learn from without requiring paired comparisons?
   • Only a ranked list of five outputs
   • Only a reference translation
   • Only a token-level grammar mask
   • A binary label indicating whether an individual output is desirable
5. В KTO отклоненията се измерват спрямо какво?
   • Референтна точка или базово ниво на възнаграждение
   • Общият брой параметри
   • Температурата на GPU
   • Размерът на речниковия запас
6. What does the KTO reference point help define?
   • The number of transformer layers
   • Whether an output’s implicit reward is above or below a baseline
   • A fixed translation in another language
   • The model’s maximum context length
7. Does KTO’s use of binary desirability feedback prove it will outperform preference-pair methods?
   • Yes, binary feedback is always superior
   • Yes, it eliminates the need to train a model
   • No; performance depends on the model, data, and evaluation setting
   • No, because binary feedback cannot be used for language models
8. Which behavioral-economics framework motivates KTO?
   • Classical signal detection theory
   • Bayesian network structure learning
   • The efficient-market hypothesis
   • Kahneman and Tversky’s prospect theory