Quiz lié à un guide · Moyen Niveau

Quiz d'optimisation Kahneman-Tversky

Vérifie les commentaires sur la désirabilité binaire de KTO, la motivation de la théorie des prospects, les récompenses des points de référence et les limites dans tous les paramètres.

Chemins de guidage associésKahneman Tversky Optimisation
Question 1 de 8

De quels types de données KTO a-t-il besoin ?

Prévisualisez chaque question8 des questions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

  1. De quels types de données KTO a-t-il besoin ?
    • Étiquettes binaires souhaitables/indésirables sur les sorties individuelles
    • Paires classées de réponses choisies et rejetées
    • Uniquement le texte sans étiquette
    • Scores de récompense numériques de 0 à 100
  2. De quelle œuvre KTO s’inspire-t-il ?
    • La relativité d'Einstein
    • La théorie des perspectives de Kahneman et Tversky
    • L'évolution de Darwin
    • La théorie de l'information de Shannon
  3. Qu’est-ce que « l’aversion aux pertes » telle qu’utilisée dans KTO ?
    • Éviter complètement toute fonction de perte
    • Refuser de s'entraîner sur les pertes
    • Pénaliser les résultats indésirables plus sévèrement que récompenser les résultats souhaitables
    • Rendre le taux d'apprentissage négatif
  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. Dans KTO, les écarts sont mesurés par rapport à quoi ?
    • Un point de référence ou un niveau de récompense de base
    • Le nombre total de paramètres
    • La température du GPU
    • La taille du vocabulaire
  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