Kuis terkait panduan · Sedang Tingkat

Kuis Pencarian Balok

Jelajahi bagaimana penelusuran berkas mempertahankan beberapa rangkaian parsial dengan skor tinggi dan bagaimana hukuman skor membentuk teks keluaran akhir.

Jalur panduan terkaitPencarian Sinar
Pertanyaan 1 dari 8

Apa yang dikontrol 'lebar berkas' (k) dalam pencarian berkas?

Pratinjau setiap pertanyaan8 pertanyaan

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

  1. Apa yang dikontrol 'lebar berkas' (k) dalam pencarian berkas?
    • Berapa banyak urutan kandidat parsial yang disimpan pada setiap langkah decoding
    • Panjang maksimum urutan yang dihasilkan
    • Suhu diterapkan pada probabilitas
    • Ukuran kosakata model
  2. Apa perbedaan pencarian berkas dengan decoding serakah?
    • Itu selalu memilih satu token dengan probabilitas tertinggi
    • Itu menyimpan beberapa urutan parsial dengan skor tinggi alih-alih berkomitmen pada satu urutan
    • Ini mengambil sampel token secara acak
    • Itu mengabaikan probabilitas token sepenuhnya
  3. Mengapa normalisasi panjang umumnya diterapkan dalam pencarian berkas?
    • Untuk membuat generasi lebih cepat
    • Untuk menambah ukuran kosakata
    • Karena penjumlahan skor probabilitas log bias ke arah urutan yang lebih pendek
    • Untuk menambahkan keacakan pada keluaran
  4. Untuk tugas manakah pencarian berkas sangat cocok?
    • Bercerita kreatif terbuka
    • Menghasilkan teks acak yang sangat beragam
    • Menghasilkan puisi yang tidak bisa ditebak
    • Terjemahan mesin, yang menginginkan keluaran dengan probabilitas tinggi yang setia
  5. Apa kerugian yang diketahui dari penggunaan lebar berkas yang sangat besar untuk pembangkitan ujung terbuka?
    • Ini dapat menghasilkan teks yang lebih hambar, berulang, atau merosot
    • Ini menjamin hasil paling kreatif
    • Ini menghilangkan kebutuhan akan model probabilitas apa pun
    • Itu membuat model mengabaikan masukan
  6. Pada setiap langkah, bagaimana beam search menentukan kandidat mana yang akan dipertahankan?
    • Berdasarkan urutan abjad token
    • Berdasarkan skor kumulatif (jumlah probabilitas log), pertahankan k teratas
    • Dengan memilih kandidat terlama
    • Dengan seleksi acak di antara semua kandidat
  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