विरोधाभासी डिकोडिंग प्रश्नोत्तरी

जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।

1. विरोधाभासी डिकोडिंग में, छोटा 'शौकिया' मॉडल क्या भूमिका निभाता है?
   • साझा विफलता मोड को दबाने के लिए इसकी लॉग-संभावनाएं घटा दी जाती हैं
   • यह सीधे अंतिम आउटपुट टेक्स्ट उत्पन्न करता है
   • इसमें विशेषज्ञ की गलतियों को ठीक किया गया है
   • जब विशेषज्ञ अनिश्चित होता है तो यह विशेषज्ञ को प्रतिस्थापित कर देता है
2. शौकिया की संभावनाओं को घटाने से पुनरावृत्ति और नीरस आउटपुट क्यों कम हो जाता है?
   • शौकिया को शब्दों को कभी न दोहराने के लिए प्रशिक्षित किया जाता है
   • जेनेरिक और दोहराव वाले टोकन दोनों मॉडलों द्वारा पसंद किए जाते हैं, इसलिए कंट्रास्ट उन्हें रद्द कर देता है
   • शौकिया पीढ़ी दर पीढ़ी डुप्लिकेट टोकन हटा देता है
   • एक बार दो मॉडलों के मतदान के बाद पुनरावृत्ति असंभव है
3. What does the adaptive plausibility constraint do in contrastive decoding?
   • It guarantees every remaining continuation is coherent and true
   • It replaces the expert distribution with the amateur distribution
   • It filters out candidates whose expert probability is too low relative to the expert’s top token
   • It forces every token to have equal probability
4. कंट्रास्टिव डिकोडिंग में स्कोरिंग फॉर्मूला मोटे तौर पर क्या है?
   • लॉग p_शौकिया माइनस लॉग p_expert
   • p_विशेषज्ञ समय p_शौकिया
   • दो संभावनाओं का औसत
   • लॉग p_expert शून्य से एक गुणांक टाइम्स लॉग p_amateur
5. कंट्रास्टिव डिकोडिंग का एक प्रमुख व्यावहारिक लाभ यह है कि:
   • बिना किसी अतिरिक्त प्रशिक्षण के अनुमान के समय काम करता है
   • दोनों मॉडलों को संयुक्त रूप से पुनः प्रशिक्षित करने की आवश्यकता है
   • केवल वर्गीकरण कार्यों पर कार्य करता है
   • बड़े मॉडल की आवश्यकता समाप्त हो जाती है
6. कौन सी बाद की विधि विरोधाभासी विचार को एकल मॉडल की अपनी परतों तक विस्तारित करती है?
   • किरण खोज
   • डोला, जो शुरुआती बनाम बाद की परतों के बीच विरोधाभास है
   • लालची डिकोडिंग
   • तापमान स्केलिंग
7. The expert assigns probability 0.4 to its top token and the plausibility threshold is 0.1 of that value. What is the minimum probability for a candidate to remain eligible?
   • 0.4
   • 0.1
   • 0.04
   • 0.004
8. Why can contrastive decoding require more inference work than using the expert model alone?
   • It must retrain both models for every prompt
   • It replaces the vocabulary with image patches
   • It runs only the amateur model
   • It scores candidates with both an expert and an amateur model at inference time