गाइड से जुड़ी प्रश्नोत्तरी · कठिन स्तर
विशिष्ट नमूनाकरण प्रश्नोत्तरी
विशिष्ट आश्चर्य, एन्ट्रापी-आधारित रैंकिंग, विशिष्ट_पी द्रव्यमान सीमा और संभाव्यता-रैंक वाले शीर्ष-पी नमूने से अंतर की जाँच करता है।
प्रश्न 1 का 8
विशिष्ट नमूनाकरण प्रत्येक उम्मीदवार टोकन की तुलना किस मूल मात्रा से करता है?
प्रत्येक प्रश्न का पूर्वावलोकन करें8 प्रश्न
जैसे ही आप प्रश्नोत्तरी लेते हैं उत्तर और स्पष्टीकरण दिखाई देते हैं।
- विशिष्ट नमूनाकरण प्रत्येक उम्मीदवार टोकन की तुलना किस मूल मात्रा से करता है?
- वितरण की अपेक्षित सूचना सामग्री (एन्ट्रॉपी)।
- मॉडल का समग्र शब्दावली आकार
- वाक्य में प्रतीक की स्थिति
- अकेले तापमान पैरामीटर
- विशिष्ट नमूनाकरण एकल सबसे संभावित टोकन के साथ कैसा व्यवहार करता है?
- यह हमेशा इसे पहले चुनता है
- यदि इसका आश्चर्य अपेक्षित मूल्य से काफी कम है तो यह इसे बाहर कर सकता है
- इससे इसकी संभावना दोगुनी हो जाती है
- यह संभाव्यता को पूरी तरह से नजरअंदाज कर देता है
- विशिष्ट नमूनाकरण मानव भाषा के बारे में किस विचार से प्रेरित था?
- मनुष्य सदैव दुर्लभतम शब्दों का चयन करता है
- मनुष्य कभी शब्दों को नहीं दोहराता
- मनुष्य सूचना की लगभग स्थिर दर पर संचार करता है
- मनुष्य निश्चित लंबाई वाले वाक्यों में बोलते हैं
- विशिष्ट नमूनाकरण नियंत्रण में ताऊ पैरामीटर क्या करता है?
- प्रशिक्षण के दौरान सीखने की दर
- मॉडल में परतों की संख्या
- अधिकतम वाक्य लंबाई
- संचयी संभाव्यता द्रव्यमान को विशिष्ट सेट में एकत्रित किया गया
- 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
- किस प्रकार के सॉफ़्टवेयर में विशिष्ट नमूनाकरण आमतौर पर डेवलपर्स के सामने लाया जाता है?
- स्प्रेडशीट अनुप्रयोग
- हगिंग फेस ट्रांसफॉर्मर्स जैसी ओपन-सोर्स एलएलएम अनुमान लाइब्रेरी
- छवि संपादन उपकरण
- डेटाबेस क्वेरी इंजन
- 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