Kvíz spojený s průvodcem · Střední úroveň

Kvíz o logitové zaujatosti

Přečtěte si, jak token-ID logit bias mění vzorkování, jeho omezení podslov a proč ovládací prvky na úrovni tokenu mohou ovlivnit více textu, než bylo zamýšleno.

Související vodicí cestyLogitová zaujatost
Otázka 1 z 8

Co mění logit bias?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Co mění logit bias?
    • Skóre (logit) konkrétních tokenů před vzorkováním
    • Tréninkové závaží modelky trvale
    • Teplota celé výzvy
    • Počet tokenů v kontextovém okně
  2. Čeho v mnoha rozhraních API dosáhne zkreslení logitu -100 na tokenu?
    • Udělá token 100krát pravděpodobnější
    • Účinně zakáže generování tokenu
    • Navždy odstraní token ze slovní zásoby
    • Zdvojnásobuje rychlost modelu
  3. What numeric range does the documented OpenAI Chat Completions logit_bias accept for a token?
    • From 0 to 1 only
    • From -1 to 1 only
    • From -100 to 100
    • Any string value
  4. K jakému identifikátoru je klíčováno zkreslení logit?
    • Slovo v prostém textu
    • Pozice věty
    • Jméno modelky
    • Číselné ID tokenu
  5. Protože logity procházejí softmaxem, jaký je účinek přidání kladného vychýlení?
    • Exponenciálně zvyšuje relativní váhu tokenu před normalizací
    • Lineárně přidává pevnou pravděpodobnost
    • Do tréninku to nemá žádný účinek
    • Odebere token z úvahy
  6. Klíčovou výhodou logit bias oproti jemnému ladění je, že:
    • Trvale zlepšuje znalosti modelu
    • Nevyžaduje rekvalifikaci a platí na vyžádání
    • Zvětší velikost kontextového okna
    • Funguje pouze na obrázky
  7. Why should a developer inspect the tokenizer before applying a bias to a visible word?
    • Token IDs are assigned only after sampling
    • Visible words always equal one token
    • The word may be represented by several token IDs, so biasing one ID may not cover all forms
    • The tokenizer controls the model’s training data
  8. What is a practical risk of applying a strong positive bias to one token?
    • It increases the context window
    • It changes the model weights permanently
    • It guarantees the token appears exactly once
    • It can distort generation or produce repetitive, awkward text