Kuis Pemodelan Hadiah Bradley-Terry

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang diubah oleh model Bradley-Terry menjadi skor numerik?
   • Perbandingan berpasangan item mana yang lebih disukai
   • Peringkat mutlak 1 hingga 10
   • Nilai piksel mentah
   • Pengukuran deret waktu
2. Dalam Bradley-Terry, peluang A mengalahkan B merupakan fungsi dari apa?
   • Produk dari skor mereka
   • Logistik perbedaan skor mereka
   • Rasio jumlah token mereka
   • Tetap 50 persen terlepas dari skornya
3. Mengapa imbalan Bradley-Terry hanya dapat diidentifikasi hingga konstanta tambahan?
   • Karena skor harus berjumlah satu
   • Karena manusia tidak bisa menghitung
   • Sebab kekalahan hanya bergantung pada selisih skor
   • Karena sigmoid menghapus semua informasi
4. Berapa kerugian standar untuk perbandingan preferensi tunggal dalam pemodelan penghargaan?
   • Rata-rata kesalahan kuadrat terhadap label 1 banding 10
   • Entropi silang atas kosakata lengkap
   • Perbedaan mutlak dalam panjang token
   • Log-sigmoid negatif dari (hadiah yang dipilih dikurangi hadiah yang ditolak)
5. Metode mana yang melewatkan model penghargaan terpisah dengan mengoptimalkan tujuan Bradley-Terry secara langsung pada kebijakan tersebut?
   • Optimasi Preferensi Langsung (DPO)
   • Optimalisasi Kebijakan Proksimal (PPO)
   • Normalisasi batch
   • Kliping gradien
6. Apa batasan utama dari asumsi Bradley-Terry?
   • Ini membutuhkan GPU untuk menghitung
   • Ini mengasumsikan satu peringkat transitif yang konsisten yang dapat rusak ketika preferensi berputar
   • Ini hanya berfungsi pada gambar
   • Itu tidak dapat menangani lebih dari tiga item
7. Why can pairwise judgments be easier to collect than absolute quality scores?
   • Pairwise choices never contain disagreement
   • Absolute scores cannot be used for training
   • A rater can compare two candidates directly without calibrating a numeric scale
   • A pairwise label reveals every feature of the reward model
8. Which familiar ranking system is mathematically related to Bradley-Terry-style pairwise scoring?
   • PageRank for web pages
   • TF-IDF for document terms
   • A Fourier transform for audio
   • Elo ratings