Mit dem Guide verknüpftes Quiz · Schwer Ebene

Mirostat Perplexity Kontrollquiz

Deckt Mirostats Zielüberraschung/-verblüffung, Rückkopplungsschwelle, Aktualisierungsrate, Versionsunterschiede und Grenzwerte als Dekodierungsheuristik ab.

Verwandte FührungspfadeMirostat Perplexity Steuerung
Frage 1 von 8

What does Mirostat try to control during generation?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. What does Mirostat try to control during generation?
    • A target level of output perplexity or surprise
    • Die Anzahl der Modellparameter
    • The training dataset size
    • Die GPU-Temperatur
  2. Wie unterscheidet sich Mirostat grundlegend von der Standard-Top-K- oder Top-P-Probenahme?
    • Es wird niemals Zufälligkeit verwendet
    • Es passt die Kürzung dynamisch mithilfe von Feedback anstelle eines festen Grenzwerts an
    • Es funktioniert nur bei Bildern
    • Es erfordert eine Neuschulung des Modells
  3. Welche Rolle spielt bei Mirostat der Parameter eta?
    • Es legt die Vokabulargröße fest
    • Es legt die Ausgabelänge fest
    • Es ist die Lernrate, die steuert, wie schnell sich der Schwellenwert anpasst
    • Es deaktiviert das Sampling
  4. Was ist die Hauptverbesserung von Mirostat Version 2 gegenüber Version 1?
    • Es generiert auch Bilder
    • Es erfordert mehr Speicher
    • Es entfernt den Tau-Parameter
    • Die Annahme einer Zipfian-Verteilung wird zugunsten einer einfacheren und robusteren Steuerung aufgegeben
  5. Wenn Mirostat feststellt, dass die Ausgabe zu vorhersehbar wird, wird es Folgendes tun:
    • Lockern Sie die Kürzung, um vielfältigere Token zuzulassen
    • Verschärfen Sie die Kürzung, um weniger Token zuzulassen
    • Stoppen Sie sofort die Generierung
    • Erhöhen Sie die Modellgröße
  6. Which Mirostat settings does current llama.cpp expose?
    • Tokenizer vocabulary and number of layers
    • Mode, target tau, and learning-rate eta
    • Only the prompt length
    • Training epochs and validation loss
  7. What does eta control in Mirostat’s feedback update?
    • The size of the model vocabulary
    • The target number of output tokens
    • How strongly the threshold changes in response to the observed error
    • The probability of a correct factual answer
  8. What does a Mirostat target not guarantee by itself?
    • That the sampler reads token probabilities
    • That the setting can influence surprise
    • That the output contains tokens
    • That the generated text is factually correct