Útmutatóhoz kapcsolódó kvíz · Közepes Szint
Logit Bias Quiz
Review how token-ID logit bias alters sampling, its subword limitations and why token-level controls can affect more text than intended.
kérdés 1 -ból 8
Mit módosít a logit torzítás?
Tekintse meg az összes kérdést8 kérdéseket
A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.
- Mit módosít a logit torzítás?
- Konkrét tokenek pontszáma (logit) a mintavétel előtt
- A modell edzéssúlyai tartósan
- Az egész prompt hőmérséklete
- A tokenek száma a környezeti ablakban
- Sok API-ban mit ér el egy token -100-as logit torzítása?
- 100-szor valószínűbbé teszi a tokent
- Hatékonyan tiltja a token létrehozását
- Örökre törli a tokent a szókincsből
- Megduplázza a modell sebességét
- What numeric range does the documented OpenAI Chat Completions logit_bias accept for a token?
- From 0 to 1 only
- From -1 to 1 only
- From -100 to 100
- Any string value
- Milyen azonosítóhoz van kulcsolva a logit torzítás?
- Az egyszerű szövegű szó
- A mondat pozíciója
- A modell neve
- A numerikus token azonosítója
- Mivel a logitokat egy softmax-on vezetik át, mi a hatása a pozitív torzítás hozzáadásának?
- A normalizálás előtt exponenciálisan megnöveli a token relatív súlyát
- Lineárisan hozzáad egy rögzített valószínűséget
- Edzésig nincs hatása
- Kivonja a tokent a mérlegelés alól
- A logit torzítás fő előnye a finomhangolással szemben, hogy:
- Folyamatosan fejleszti a modell tudását
- Nem igényel átképzést, kérésre érvényes
- Növeli a kontextusablak méretét
- Csak képeken működik
- Why should a developer inspect the tokenizer before applying a bias to a visible word?
- Token IDs are assigned only after sampling
- Visible words always equal one token
- The word may be represented by several token IDs, so biasing one ID may not cover all forms
- The tokenizer controls the model’s training data
- What is a practical risk of applying a strong positive bias to one token?
- It increases the context window
- It changes the model weights permanently
- It guarantees the token appears exactly once
- It can distort generation or produce repetitive, awkward text