Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Sugárkeresés kvíz

Explore how beam search keeps several high-scoring partial sequences and how scoring penalties shape the final output text.

Kapcsolódó útmutató utakSugár keresés
kérdés 1 -ból 8

Mit vezérel a „nyalábszélesség” (k) a sugárkeresésben?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit vezérel a „nyalábszélesség” (k) a sugárkeresésben?
    • Hány részleges jelölt szekvenciát tartanak meg minden dekódolási lépésben
    • A generált sorozat maximális hossza
    • A valószínűségekre alkalmazott hőmérséklet
    • A modell szókincsének mérete
  2. Miben különbözik a sugárkeresés a mohó dekódolástól?
    • Mindig az egyetlen legnagyobb valószínűségű tokent választja ki
    • Több magas pontszámú részszekvenciát tart meg, ahelyett, hogy egy mellette volna
    • Véletlenszerűen mintát vesz a tokenekből
    • Teljesen figyelmen kívül hagyja a token valószínűségeket
  3. Miért alkalmazzák általában a hossznormálást a nyalábkeresésben?
    • Hogy gyorsabb legyen a generáció
    • A szókincs bővítésére
    • Mivel a log-valószínűségek összegzése a pontszámokat rövidebb sorozatok felé torzítja
    • Hogy véletlenszerűséget adjon a kimenetekhez
  4. Melyik feladatra alkalmas különösen a sugárkeresés?
    • Nyitott végű kreatív történetmesélés
    • Maximálisan változatos véletlenszerű szöveg generálása
    • Kiszámíthatatlan költészet alkotása
    • Gépi fordítás, ahol hűséges, nagy valószínűségű kimenetre van szükség
  5. Mi az ismert hátránya annak, ha nagyon nagy nyalábszélességet használnak nyílt végű generáláshoz?
    • Homályosabb, ismétlődő vagy degenerált szöveget eredményezhet
    • A legkreatívabb eredményt garantálja
    • Megszünteti a valószínűségi modell szükségességét
    • Ez arra készteti a modellt, hogy figyelmen kívül hagyja a bemenetet
  6. Hogyan dönti el a sugárkeresés minden lépésnél, hogy mely jelölteket tartsa meg?
    • A tokenek ábécé szerinti sorrendjében
    • Összesített pontszámmal (log-valószínűségek összege), a felső k megtartásával
    • A leghosszabb jelöltek kiválasztásával
    • Az összes jelölt közül véletlenszerű kiválasztással
  7. What problem does GNMT’s coverage penalty aim to reduce in translation?
    • Repeatedly encoding the same source vocabulary
    • The use of subword units
    • Output translations that fail to cover source words
    • The number of encoder layers
  8. What does diverse beam search modify to encourage different candidate outputs?
    • It replaces the model probabilities with uniform random scores
    • It removes all but one candidate at the first step
    • It changes the training tokenizer after decoding
    • It penalizes similarity or overlap among candidates in different beam groups