Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Hőmérséklet és mintavétel kvíz

Test logit temperature scaling, greedy decoding, top-k and nucleus candidate filters, numerical cutoffs, and the limits of predictable generation.

Kapcsolódó útmutató utakHőmérséklet és mintavétel
kérdés 1 -ból 8

Mit befolyásol a hőmérséklet emelése a modell kimenetén?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Mit befolyásol a hőmérséklet emelése a modell kimenetén?
    • Determinisztikusabbá és ismétlődőbbé teszi
    • Véglegesen megváltoztatja a modell súlyát
    • Letiltja a softmax funkciót
    • Véletlenebbé és változatosabbá teszi, nagyobb eséllyel szokatlan jelzőkkel
  2. A mintavétel előtt a modell nyers token pontszámait (logitjait) valószínűségekké alakítja:
    • A felső-k szűrő
    • A softmax funkció
    • Visszaszaporítás
    • A tokenizátor
  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. Mechanikailag mit tesz a hőmérséklet valójában a logitokkal?
    • Minden logit eloszt T-vel a softmax előtt
    • Véletlen számot ad minden logithoz
    • Törli a legalacsonyabb logitokat
    • A végső valószínűséget megszorozza T-vel
  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?
    • Három
    • Twelve
    • Hat
    • Nulla
  8. For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
    • Egy
    • Három
    • Kettő
    • Négy