Kvíz spojený s průvodcem · Střední úroveň
Modelingový kvíz Bradley-Terry Reward
Pochopte, jak Bradley-Terry mění párové volby na skóre, podporuje modelování odměn a souvisí s běžnými systémy hodnocení.
Otázka 1 z 8
Co Bradley-Terryho model převádí na číselná skóre?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co Bradley-Terryho model převádí na číselná skóre?
- Párové porovnání toho, která položka je preferována
- Absolutní hodnocení 1 až 10
- Nezpracované hodnoty pixelů
- Měření časových řad
- V Bradley-Terrym je pravděpodobnost, že A porazí B, funkcí čeho?
- Součin jejich skóre
- Logistika rozdílu mezi jejich skóre
- Počítá se poměr jejich tokenů
- Pevných 50 procent bez ohledu na skóre
- Proč jsou odměny Bradley-Terry identifikovatelné pouze do aditivní konstanty?
- Protože skóre se musí sčítat do jedné
- Protože lidé neumí počítat
- Protože ztráta závisí pouze na rozdílech ve skóre
- Protože sigmoid odstraňuje všechny informace
- Jaká je standardní ztráta pro srovnání jedné preference v modelování odměn?
- Střední kvadratická chyba proti štítku 1 ku 10
- Křížová entropie přes celou slovní zásobu
- Absolutní rozdíl délek tokenů
- Záporný log-sigmoid of (odměna zvoleného mínus odměna odmítnutého)
- Která metoda přeskakuje samostatný model odměn optimalizací cíle Bradley-Terry přímo na politiku?
- Přímá optimalizace preferencí (DPO)
- Proximální optimalizace zásad (PPO)
- Dávková normalizace
- Oříznutí přechodu
- Jaké je klíčové omezení Bradleyho-Terryho předpokladu?
- K výpočtu to vyžaduje GPU
- Předpokládá jediné konzistentní, tranzitivní hodnocení, které se může zlomit, když se preference zacyklí
- Funguje pouze na obrázky
- Nikdy nezvládne více než tři položky
- 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
- 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