নিউক্লিয়াস এবং টপ-কে স্যাম্পলিং ক্যুইজ

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

1. টপ-কে স্যাম্পলিং কীভাবে টোকেন পছন্দগুলিকে সীমাবদ্ধ করে?
   • এটি শুধুমাত্র k সর্বোচ্চ-সম্ভাব্যতা টোকেন রাখে, তারপর তাদের মধ্যে নমুনা
   • ক্রমবর্ধমান সম্ভাব্যতা k অতিক্রম না করা পর্যন্ত এটি টোকেন রাখে
   • এটি সর্বদা একক সম্ভাব্য টোকেন নির্বাচন করে
   • এটি শুধুমাত্র k টোকেনগুলিকে সরিয়ে দেয়
2. নিউক্লিয়াস (টপ-পি) নমুনাতে 'নিউক্লিয়াস' কী সংজ্ঞায়িত করে?
   • প্রশিক্ষণ ডেটাতে k সবচেয়ে ঘন ঘন শব্দ
   • টোকেনের ক্ষুদ্রতম সেট যার সম্ভাব্যতার যোগফল কমপক্ষে p
   • একক সর্বোচ্চ-সম্ভাব্যতা টোকেন
   • 50% এর উপরে সম্ভাব্যতা সহ সমস্ত টোকেন
3. টপ-পি ওভার টপ-কে এর মূল সুবিধা কী?
   • এটি গণনা করা সর্বদা দ্রুত
   • এটি কখনই এলোমেলো আউটপুট তৈরি করে না
   • প্রার্থীর টোকেনের সংখ্যা মডেলের আত্মবিশ্বাসের সাথে খাপ খায়
   • এটি টোকেন সম্ভাব্যতা উপেক্ষা করে
4. নমুনা নেওয়ার আগে তাপমাত্রা পরামিতি কী করে?
   • এটি সর্বাধিক ক্রম দৈর্ঘ্য সেট করে
   • এটি আউটপুটের ভাষা নির্বাচন করে
   • এটি শব্দভান্ডারের আকার গণনা করে
   • এটি তীক্ষ্ণ বা চাটুকার হওয়ার সম্ভাবনা বন্টনকে পুনরায় স্কেল করে
5. What result did the nucleus-sampling paper report for its tested open-ended generation tasks?
   • It improved diversity without sacrificing fluency and coherence in the reported comparisons
   • It guaranteed factual correctness in every output
   • It eliminated all sampling randomness
   • It improved translation quality on every benchmark
6. For a greedy decoding baseline with no token sampling, how should generation be configured?
   • Disable sampling and use greedy decoding to select the highest-probability token at each step
   • Use high temperature and a large nucleus threshold
   • Randomize the temperature at every step
   • Keep sampling enabled but increase top-p
7. After top-k truncation removes tokens, what happens to the remaining sampling probabilities?
   • They remain assigned their original total mass below one
   • They are replaced with equal probabilities
   • They are renormalized over the retained top-k tokens
   • They are converted into beam-search scores
8. What did Holtzman et al. report about likelihood-maximizing decoding for open-ended text?
   • It always yields the most diverse human-like passages
   • এটি একটি ভাষার মডেলের প্রয়োজনীয়তা দূর করে
   • It guarantees factual correctness
   • It can produce bland and repetitive text despite strong likelihood scores