Kvíz spojený s průvodcem · Střední úroveň
Kvíz o teplotě a vzorkování
Vyzkoušejte logit teplotní škálování, chamtivé dekódování, filtry top-k a nucleus kandidátů, numerické limity a limity předvídatelného generování.
Otázka 1 z 8
Co udělá zvýšení teploty s výstupem modelu?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Co udělá zvýšení teploty s výstupem modelu?
- Dělá to determinističtější a opakující se
- Trvale mění hmotnosti modelu
- Deaktivuje funkci softmax
- Dělá to náhodnější a rozmanitější, s větší šancí na neobvyklé žetony
- Před vzorkováním se nezpracované skóre tokenů (logity) modelu přemění na pravděpodobnosti pomocí:
- Horní-k filtr
- Funkce softmax
- Zpětná propagace
- Tokenizer
- What determines the candidate set in top-p sampling, compared with top-k?
- Top-p always keeps exactly ten tokens
- Both methods always keep every vocabulary token
- Top-p uses the smallest leading set reaching a cumulative probability threshold; top-k uses a count
- Top-k uses a cumulative threshold while top-p uses a fixed count
- Mechanicky, co vlastně dělá teplota s logity?
- Vydělí každý logit T před softmax
- Přidá náhodné číslo ke každému logitu
- Odstraní nejnižší logity
- Vynásobí konečné pravděpodobnosti T
- For a structured-data task, what does choosing more predictable token selection fail to establish?
- That a decoding setting was chosen
- That the generated content is correct or valid
- That token scores can be compared
- That a model can produce an output
- How does greedy decoding choose the next token?
- It literally divides every logit by zero
- It uniformly samples every vocabulary token
- It permanently retrains the model
- It selects a highest-scoring eligible token rather than sampling
- Two token logits differ by six before temperature scaling. With positive temperature two, what is their scaled difference?
- tři
- dvanáct
- Šest
- nula
- For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
- Jeden
- tři
- Dvě
- Čtyři