Κουίζ που συνδέεται με οδηγό · Σκληρό Επίπεδο
Τυπικό κουίζ δειγματοληψίας
Ελέγχει την τυπική κατάταξη έκπληξη, την κατάταξη βάσει εντροπίας, το όριο μάζας τυπικό_p και τις διαφορές από τη δειγματοληψία top-p με κατάταξη πιθανοτήτων.
Ερώτηση 1 του 8
Με ποια βασική ποσότητα συγκρίνει η τυπική δειγματοληψία κάθε υποψήφιο διακριτικό;
Προεπισκόπηση κάθε ερώτησης8 ερωτήσεις
Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.
- Με ποια βασική ποσότητα συγκρίνει η τυπική δειγματοληψία κάθε υποψήφιο διακριτικό;
- Το αναμενόμενο πληροφοριακό περιεχόμενο (εντροπία) της διανομής
- Το συνολικό μέγεθος λεξιλογίου του μοντέλου
- Η θέση του συμβολικού στην πρόταση
- Μόνο η παράμετρος θερμοκρασίας
- Πώς αντιμετωπίζει η τυπική δειγματοληψία το πιο πιθανό διακριτικό;
- Πάντα το επιλέγει πρώτο
- Μπορεί να το αποκλείσει εάν η έκπληξή του είναι πολύ κάτω από την αναμενόμενη τιμή
- Διπλασιάζει την πιθανότητα του
- Αγνοεί εντελώς την πιθανότητα
- Από ποια ιδέα για την ανθρώπινη γλώσσα υποκινήθηκε η τυπική δειγματοληψία;
- Οι άνθρωποι επιλέγουν πάντα τις πιο σπάνιες δυνατές λέξεις
- Οι άνθρωποι δεν επαναλαμβάνουν ποτέ λέξεις
- Οι άνθρωποι επικοινωνούν κοντά σε έναν περίπου σταθερό ρυθμό πληροφοριών
- Οι άνθρωποι μιλούν με προτάσεις σταθερού μήκους
- Τι σημαίνει η παράμετρος tau σε τυπική δειγματοληψία;
- Το ποσοστό μάθησης κατά τη διάρκεια της εκπαίδευσης
- Ο αριθμός των επιπέδων στο μοντέλο
- Η μέγιστη διάρκεια ποινής
- Η αθροιστική μάζα πιθανοτήτων που συλλέγεται στο τυπικό σύνολο
- Compared with greedy decoding, what does typical sampling try to change?
- It samples from tokens whose surprisal is closer to the distribution’s expected surprisal
- It always selects the most probable token
- It guarantees every continuation is factually correct
- It removes probability scores from decoding
- Σε ποιο είδος λογισμικού εκτίθεται συνήθως η τυπική δειγματοληψία στους προγραμματιστές;
- Εφαρμογές υπολογιστικών φύλλων
- Βιβλιοθήκες συμπερασμάτων LLM ανοιχτού κώδικα, όπως το Hugging Face Transformers
- Εργαλεία επεξεργασίας εικόνας
- Μηχανές αναζήτησης βάσεων δεδομένων
- How does typical sampling rank candidate tokens differently from top-p sampling?
- By alphabetical order of token strings
- By token position in the prompt
- By distance between token surprisal and expected surprisal, rather than probability rank alone
- By the model’s training loss
- Which value does typical_p control?
- The model’s vocabulary size
- The number of transformer layers
- The probability that the answer is factually correct
- The target cumulative probability mass collected in the typical set