Útmutatóhoz kapcsolódó kvíz · Kemény Szint

Mirostat Perplexity Vezérlő kvíz

Covers Mirostat’s target surprisal/perplexity, feedback threshold, update rate, version differences, and limits as a decoding heuristic.

Kapcsolódó útmutató utakMirostat Perplexity vezérlés
kérdés 1 -ból 8

What does Mirostat try to control during generation?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. What does Mirostat try to control during generation?
    • A target level of output perplexity or surprise
    • A modell paramétereinek száma
    • The training dataset size
    • A GPU hőmérséklete
  2. Miben különbözik a Mirostat alapvetően a standard top-k vagy top-p mintavételezéstől?
    • Soha nem használ véletlenszerűséget
    • Dinamikusan állítja be a csonkítást visszacsatolás segítségével a rögzített levágás helyett
    • Csak képeken működik
    • Ehhez a modell átképzése szükséges
  3. Milyen szerepet játszik a Mirostatban az eta paraméter?
    • Beállítja a szókincs méretét
    • Rögzíti a kimeneti hosszt
    • A tanulási sebesség szabályozza, hogy milyen gyorsan alkalmazkodik a küszöb
    • Letiltja a mintavételezést
  4. Mi a Mirostat 2-es verziójának fő fejlesztése az 1-es verzióhoz képest?
    • Képet is generál
    • Több memóriát igényel
    • Eltávolítja a tau paramétert
    • Elveti a Zipfian eloszlás feltételezését az egyszerűbb, robusztusabb vezérlés érdekében
  5. Ha a Mirostat azt észleli, hogy a kimenet túlságosan kiszámíthatóvá válik, akkor:
    • Lazítsa meg a csonkítást, hogy változatosabb tokenek férhessenek hozzá
    • Szorítsa meg a csonkítást, hogy kevesebb token legyen
    • Azonnal hagyja abba a generálást
    • Növelje a modell méretét
  6. Which Mirostat settings does current llama.cpp expose?
    • Tokenizer vocabulary and number of layers
    • Mode, target tau, and learning-rate eta
    • Only the prompt length
    • Training epochs and validation loss
  7. What does eta control in Mirostat’s feedback update?
    • The size of the model vocabulary
    • The target number of output tokens
    • How strongly the threshold changes in response to the observed error
    • The probability of a correct factual answer
  8. What does a Mirostat target not guarantee by itself?
    • That the sampler reads token probabilities
    • That the setting can influence surprise
    • That the output contains tokens
    • That the generated text is factually correct