Cuestionario vinculado a una guía · Medio Nivel

Prueba de optimización de Kahneman-Tversky

Comprueba la retroalimentación binaria de deseabilidad de KTO, la motivación de la teoría prospectiva, las recompensas de puntos de referencia y los límites en todos los entornos.

Rutas de guía relacionadasOptimización de Kahneman Tversky
Pregunta 1 de 8

¿Qué tipo de datos requiere KTO?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué tipo de datos requiere KTO?
    • Etiquetas binarias deseables/indeseables en salidas individuales
    • Pares clasificados de respuestas elegidas y rechazadas
    • Sólo texto sin etiquetar
    • Puntuaciones de recompensa numéricas de 0 a 100
  2. ¿En qué obra se inspira la KTO?
    • La relatividad de Einstein
    • La teoría de las perspectivas de Kahneman y Tversky
    • La evolución de Darwin
    • La teoría de la información de Shannon.
  3. ¿Qué es la "aversión a las pérdidas" tal como se utiliza en KTO?
    • Evitar por completo cualquier función de pérdida
    • Negarse a entrenar sobre las pérdidas.
    • Penalizar los resultados indeseables más severamente que recompensar los deseables
    • Hacer que la tasa de aprendizaje sea negativa
  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. ¿En KTO, las desviaciones se miden en relación con qué?
    • Un punto de referencia o nivel de recompensa básico
    • El número total de parámetros.
    • La temperatura de la GPU
    • El tamaño del vocabulario
  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