Mit dem Guide verknüpftes Quiz · Mittel Ebene

Perplexity und Sprachmetrik-Quiz

Überprüfen Sie die Referenz-Token-Likelihood, Kreuzentropie, einheitliche Basislinien, vergleichbare Tokenisierung, BLEU, Qualitätsgrenzen, Kontextfenster und maskierte Modelle.

Verwandte FührungspfadePerplexity und Sprachmetriken
Frage 1 von 8

Under the same autoregressive text-scoring setup, what does lower perplexity indicate?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Under the same autoregressive text-scoring setup, what does lower perplexity indicate?
    • Lower average negative log-likelihood for the reference tokens
    • A guarantee of more factually correct generated answers
    • A guarantee of a larger parameter count
    • A requirement that every top-choice prediction be correct
  2. Using natural-log negative log-likelihood, how is autoregressive perplexity computed from its average?
    • By multiplying the parameter count by the context length
    • By subtracting the average from the number of attention heads
    • By taking the average learning rate
    • By exponentiating the average negative log-likelihood
  3. Ein Modell weist einem Vokabular mit 10.000 Wörtern ohne Lernaufwand eine einheitliche Wahrscheinlichkeit zu. Was ist ihre Verwirrung?
    • 1
    • 10.000
    • 0
    • 100
  4. Why do tokenizer and corpus settings matter when directly comparing per-token perplexity values?
    • Perplexity ignores every scored reference token
    • All corpora necessarily produce the same likelihood
    • They change the units or reference data over which probabilities are averaged
    • Only model parameter count determines the score
  5. Which translation-reference metric uses modified n-gram precision and a brevity penalty?
    • Perplexity
    • Mittlerer quadratischer Pixelfehler
    • Die Parameteranzahl des Modells
    • BLEU
  6. Welche entscheidende Einschränkung treibt Forscher bei der Beurteilung der Qualität in der Praxis über die Ratlosigkeit hinaus?
    • Perplexity misst die Vorhersage des nächsten Wortes und nicht, ob die Ausgabe nützlich, wahr oder hilfreich ist
    • Die Berechnung von Perplexity ist zu teuer
    • Perplexity kann nicht anhand von Textdaten berechnet werden
    • Perplexity funktioniert nur während der Inferenz, nicht beim Training
  7. When scoring a long text with a fixed-context model, what can a sliding-window procedure provide that disjoint chunks lose near boundaries?
    • A new vocabulary learned automatically at every boundary
    • A guarantee that generated answers are factually correct
    • More preceding context for the scored target tokens
    • A requirement to count each overlapping target repeatedly
  8. Why is conventional left-to-right perplexity not directly the same score for a BERT-style masked language model?
    • BERT has no learned parameters
    • The masked model does not directly define the same autoregressive sequence factorization
    • Every masked-token probability is necessarily zero
    • Perplexity is defined only for image pixels