কনট্রাস্টিভ ডিকোডিং কুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. বিপরীত ডিকোডিংয়ে, ছোট 'অপেশাদার' মডেলটি কী ভূমিকা পালন করে?
   • ভাগ করা ব্যর্থতা মোড দমন করতে এর লগ-সম্ভাবনা বিয়োগ করা হয়
   • এটি সরাসরি চূড়ান্ত আউটপুট পাঠ্য তৈরি করে
   • এটি বিশেষজ্ঞের ভুলের উপর সূক্ষ্ম টিউন করা হয়
   • বিশেষজ্ঞ অনিশ্চিত হলে এটি বিশেষজ্ঞকে প্রতিস্থাপন করে
2. অপেশাদারদের সম্ভাব্যতা বিয়োগ করলে পুনরাবৃত্তি এবং ব্লান্ড আউটপুট কমে যায় কেন?
   • অপেশাদারদের প্রশিক্ষিত করা হয় শব্দের পুনরাবৃত্তি না করার জন্য
   • জেনেরিক এবং পুনরাবৃত্তিমূলক টোকেন উভয় মডেলই পছন্দ করে, তাই বৈসাদৃশ্য তাদের বাতিল করে
   • অপেশাদার প্রজন্মের পর নকল টোকেন মুছে দেয়
   • দুই মডেল ভোট একবার পুনরাবৃত্তি অসম্ভব
3. What does the adaptive plausibility constraint do in contrastive decoding?
   • It guarantees every remaining continuation is coherent and true
   • It replaces the expert distribution with the amateur distribution
   • It filters out candidates whose expert probability is too low relative to the expert’s top token
   • It forces every token to have equal probability
4. মোটামুটি বিপরীত ডিকোডিং এ স্কোরিং সূত্র কি?
   • লগ p_Amateur বিয়োগ লগ p_expert
   • p_expert বার p_Amateur
   • দুটি সম্ভাবনার গড়
   • লগ p_expert বিয়োগ একটি সহগ বার লগ p_amateur
5. কনট্রাস্টিভ ডিকোডিংয়ের একটি মূল ব্যবহারিক সুবিধা হল যে এটি:
   • কোন অতিরিক্ত প্রশিক্ষণ ছাড়া অনুমান সময়ে কাজ করে
   • যৌথভাবে উভয় মডেল পুনরায় প্রশিক্ষণ প্রয়োজন
   • শুধুমাত্র শ্রেণীবিভাগের কাজগুলিতে কাজ করে
   • একটি বড় মডেলের প্রয়োজন দূর করে
6. পরবর্তী কোন পদ্ধতিটি একটি একক মডেলের নিজস্ব স্তরগুলিতে বিপরীত ধারণাকে প্রসারিত করে?
   • মরীচি অনুসন্ধান
   • DoLa, যা প্রারম্ভিক বনাম দেরী স্তরের বৈপরীত্য
   • লোভী ডিকোডিং
   • তাপমাত্রা স্কেলিং
7. The expert assigns probability 0.4 to its top token and the plausibility threshold is 0.1 of that value. What is the minimum probability for a candidate to remain eligible?
   • 0.4
   • 0.1
   • 0.04
   • 0.004
8. Why can contrastive decoding require more inference work than using the expert model alone?
   • It must retrain both models for every prompt
   • It replaces the vocabulary with image patches
   • It runs only the amateur model
   • It scores candidates with both an expert and an amateur model at inference time