গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর
অডস রেশিও প্রেফারেন্স অপ্টিমাইজেশান কুইজ
ORPO এর রেফারেন্স-মডেল-মুক্ত পছন্দের উদ্দেশ্য, মতভেদ-অনুপাত জরিমানা, এবং সম্মিলিত তত্ত্বাবধান এবং পছন্দ প্রশিক্ষণ ব্যাখ্যা করে।
প্রশ্ন 1 এর 8
DPO এর মত পদ্ধতিতে ORPO এর প্রধান ব্যবহারিক সুবিধা কি?
প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন
আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।
- DPO এর মত পদ্ধতিতে ORPO এর প্রধান ব্যবহারিক সুবিধা কি?
- এটি একটি পৃথক রেফারেন্স মডেলের প্রয়োজনীয়তা দূর করে
- এটির জন্য কোনও প্রশিক্ষণ ডেটার প্রয়োজন নেই
- এটি শুধুমাত্র ইমেজ মডেলগুলিতে কাজ করে
- এটি শূন্য হ্যালুসিনেশনের গ্যারান্টি দেয়
- ORPO-তে 'অডস রেশিও' কিসের তুলনা করে?
- প্রশিক্ষণের গতি বনাম নির্ভুলতা
- নির্বাচিত প্রতিক্রিয়া বনাম প্রত্যাখ্যাত প্রতিক্রিয়ার মতভেদ
- দুটি ভিন্ন শিক্ষার হার
- মডেলের আকার বনাম ডেটাসেটের আকার
- What form does an ORPO preference example contain?
- Only a single unlabeled response
- A prompt with two identical completions
- A prompt with one chosen response and one disfavored response
- A reward score with no associated responses
- How does ORPO convert a response probability p into odds?
- One minus p divided by p
- The square root of p
- The logarithm of the prompt length
- p divided by one minus p
- ORPO ক্ষতি কোন সংমিশ্রণ হিসাবে সবচেয়ে ভাল বর্ণনা করা হয়?
- SFT ক্রস-এনট্রপি প্লাস একটি ওয়েটেড অডস-অনুপাত পছন্দের শব্দ
- শুধুমাত্র একটি পুরস্কার-মডেল স্কোর
- একটি বিশুদ্ধ শক্তিবৃদ্ধি-লার্নিং রিটার্ন
- এলোমেলো শব্দ ইনজেকশন
- Which response receives the supervised fine-tuning component of ORPO?
- Only the rejected response
- The chosen or preferred response
- A response sampled after deployment
- No response; ORPO has no language-modeling term
- Which parameter controls the weight of ORPO’s preference term relative to the supervised loss?
- টোকেনাইজার শব্দভান্ডারের আকার
- মনোযোগের মাথার সংখ্যা
- The preference-loss coefficient
- The prompt’s character count
- Why should an ORPO result report its preference data and evaluation setup?
- ORPO results are identical across datasets
- The objective removes the need for evaluation
- The number of model layers determines every preference
- Outcomes depend on the dataset, coefficient, base model, and evaluation