Mit dem Guide verknüpftes Quiz · Mittel Ebene

Kahneman-Tversky-Optimierungsquiz

Überprüft KTOs binäres Erwünschtheits-Feedback, die Motivation der Interessententheorie, Referenzpunktbelohnungen und Grenzwerte in allen Einstellungen.

Verwandte FührungspfadeKahneman Tversky Optimierung
Frage 1 von 8

Welche Daten benötigt KTO?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Welche Daten benötigt KTO?
    • Binäre erwünschte/unerwünschte Bezeichnungen für einzelne Ausgänge
    • Bewertete Paare ausgewählter und abgelehnter Antworten
    • Nur unbeschrifteter Text
    • Numerische Belohnungspunkte von 0 bis 100
  2. Von welchem Werk ist KTO inspiriert?
    • Einsteins Relativitätstheorie
    • Die Prospect-Theorie von Kahneman und Tversky
    • Darwins Entwicklung
    • Shannons Informationstheorie
  3. Was ist „Verlustaversion“, wie es in KTO verwendet wird?
    • Vermeiden Sie jegliche Verlustfunktion vollständig
    • Weigert sich, mit Verlusten zu trainieren
    • Unerwünschte Ergebnisse werden stärker bestraft als erwünschte Ergebnisse belohnt
    • Dadurch wird die Lernrate negativ
  4. What kind of feedback can KTO learn from without requiring paired comparisons?
    • Only a ranked list of five outputs
    • Only a reference translation
    • Only a token-level grammar mask
    • A binary label indicating whether an individual output is desirable
  5. Bei KTO werden Abweichungen relativ zu was gemessen?
    • Ein Referenzpunkt oder ein Basis-Belohnungsniveau
    • Die Gesamtzahl der Parameter
    • Die GPU-Temperatur
    • Die Größe des Wortschatzes
  6. What does the KTO reference point help define?
    • The number of transformer layers
    • Whether an output’s implicit reward is above or below a baseline
    • A fixed translation in another language
    • The model’s maximum context length
  7. Does KTO’s use of binary desirability feedback prove it will outperform preference-pair methods?
    • Yes, binary feedback is always superior
    • Yes, it eliminates the need to train a model
    • No; performance depends on the model, data, and evaluation setting
    • No, because binary feedback cannot be used for language models
  8. Which behavioral-economics framework motivates KTO?
    • Classical signal detection theory
    • Bayesian network structure learning
    • The efficient-market hypothesis
    • Kahneman and Tversky’s prospect theory