Quiz lié à un guide · Difficile Niveau
Quiz d'échantillonnage typique
Vérifie le classement surprise typique basé sur l'entropie, le seuil de masse typique_p et les différences par rapport à l'échantillonnage top-p classé par probabilité.
Question 1 de 8
À quelle quantité de base l'échantillonnage typique compare-t-il chaque jeton candidat ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- À quelle quantité de base l'échantillonnage typique compare-t-il chaque jeton candidat ?
- Le contenu informationnel attendu (entropie) de la distribution
- La taille globale du vocabulaire du modèle
- La position du jeton dans la phrase
- Le paramètre de température seul
- Comment l'échantillonnage typique traite-t-il le jeton le plus probable ?
- Il le sélectionne toujours en premier
- Il peut l'exclure si sa surprise est bien inférieure à la valeur attendue
- Cela double sa probabilité
- Il ignore complètement les probabilités
- Quelle idée du langage humain a motivé l'échantillonnage typique ?
- Les humains choisissent toujours les mots les plus rares possibles
- Les humains ne répètent jamais les mots
- Les humains communiquent à un rythme d'information à peu près constant
- Les humains parlent avec des phrases de longueur fixe
- Que représente le paramètre tau dans un contrôle d'échantillonnage typique ?
- Le taux d’apprentissage pendant la formation
- Le nombre de couches dans le modèle
- La durée maximale de la peine
- La masse de probabilité cumulée collectée dans l'ensemble typique
- 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
- Dans quel type de logiciel l'échantillonnage typique est-il généralement exposé aux développeurs ?
- Applications de feuilles de calcul
- Bibliothèques d'inférence LLM open source comme Hugging Face Transformers
- Outils d'édition d'images
- Moteurs de requête de base de données
- 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