Mit dem Guide verknüpftes Quiz · Mittel Ebene

Temperatur- und Probenahme-Quiz

Testen Sie die Logit-Temperaturskalierung, die gierige Dekodierung, Top-K- und Kernkandidatenfilter, numerische Grenzwerte und die Grenzen der vorhersagbaren Erzeugung.

Verwandte FührungspfadeTemperatur und Probenahme
Frage 1 von 8

Welche Auswirkungen hat eine Erhöhung der Temperatur auf die Ausgabe eines Modells?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Welche Auswirkungen hat eine Erhöhung der Temperatur auf die Ausgabe eines Modells?
    • Macht es deterministischer und repetitiver
    • Ändert die Gewichte des Modells dauerhaft
    • Deaktiviert die Softmax-Funktion
    • Macht es zufälliger und abwechslungsreicher und bietet eine größere Chance auf ungewöhnliche Token
  2. Vor dem Sampling werden die Roh-Token-Scores (Logits) des Modells in Wahrscheinlichkeiten umgewandelt durch:
    • Der Top-K-Filter
    • Die Softmax-Funktion
    • Rückpropagation
    • Der Tokenizer
  3. 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
  4. Was macht die Temperatur eigentlich mechanisch mit den Logits?
    • Dividiert jedes Logit durch T vor Softmax
    • Fügt jedem Logit eine Zufallszahl hinzu
    • Löscht die niedrigsten Logits
    • Multipliziert die endgültigen Wahrscheinlichkeiten mit T
  5. 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
  6. 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
  7. Two token logits differ by six before temperature scaling. With positive temperature two, what is their scaled difference?
    • Drei
    • Zwölf
    • Sechs
    • Null
  8. For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
    • Eins
    • Drei
    • Zwei
    • Vier