तापमान और नमूनाकरण प्रश्नोत्तरी

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

1. तापमान बढ़ाने से मॉडल के आउटपुट पर क्या प्रभाव पड़ता है?
   • इसे और अधिक नियतिवादी और दोहराव वाला बनाता है
   • मॉडल का वज़न स्थायी रूप से बदलता है
   • सॉफ्टमैक्स फ़ंक्शन को अक्षम करता है
   • असामान्य टोकन की अधिक संभावना के साथ इसे अधिक यादृच्छिक और विविध बनाता है
2. नमूना लेने से पहले, मॉडल के कच्चे टोकन स्कोर (लॉगिट) को संभावनाओं में बदल दिया जाता है:
   • टॉप-के फिल्टर
   • सॉफ्टमैक्स फ़ंक्शन
   • पश्चप्रचार
   • टोकनकर्ता
3. What determines the candidate set in top-p sampling, compared with top-k?
   • Top-p always keeps exactly ten tokens
   • Both methods always keep every vocabulary token
   • Top-p uses the smallest leading set reaching a cumulative probability threshold; top-k uses a count
   • Top-k uses a cumulative threshold while top-p uses a fixed count
4. यंत्रवत्, तापमान वास्तव में लॉगिट्स पर क्या प्रभाव डालता है?
   • सॉफ्टमैक्स से पहले प्रत्येक लॉगिट को टी से विभाजित करता है
   • प्रत्येक लॉगिट में एक यादृच्छिक संख्या जोड़ता है
   • निम्नतम लॉग हटाता है
   • अंतिम संभावनाओं को T से गुणा करें
5. For a structured-data task, what does choosing more predictable token selection fail to establish?
   • That a decoding setting was chosen
   • That the generated content is correct or valid
   • That token scores can be compared
   • That a model can produce an output
6. How does greedy decoding choose the next token?
   • It literally divides every logit by zero
   • It uniformly samples every vocabulary token
   • It permanently retrains the model
   • It selects a highest-scoring eligible token rather than sampling
7. Two token logits differ by six before temperature scaling. With positive temperature two, what is their scaled difference?
   • तीन
   • Twelve
   • छः
   • शून्य
8. For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
   • एक
   • तीन
   • दो
   • चार