Kuis terkait panduan · Keras Tingkat
Kuis Decoding Risiko Minimum Bayes
Menguji utilitas yang diharapkan, sampel referensi semu, perbandingan kandidat kuadrat, batas metrik, dan batasan kumpulan kandidat dalam pengodean MBR.
Pertanyaan 1 dari 8
Apa yang dipilih oleh penguraian kode MBR alih-alih satu-satunya urutan yang paling mungkin?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa yang dipilih oleh penguraian kode MBR alih-alih satu-satunya urutan yang paling mungkin?
- Kandidat dengan ekspektasi utilitas tertinggi dibandingkan kemungkinan keluaran lainnya
- Urutan terpendek
- Sampel acak
- Urutan terpanjang
- Karena referensi yang sebenarnya tidak tersedia, apa yang digunakan MBR sebagai referensi semu?
- Korpus eksternal yang tetap
- Kumpulan keluaran kandidat yang dijadikan sampel
- Anotasi manusia
- Set pelatihan
- Mengapa MBR yang naif mahal secara komputasi?
- Hal ini memerlukan pelatihan ulang model
- Perlu kosakata yang lebih luas
- Perbandingan berpasangan dari N kandidat adalah panggilan metrik O(N kuadrat).
- Itu tidak menggunakan GPU
- What has COMET been used for in minimum Bayes risk machine-translation experiments?
- As a universal guarantee of better translation quality
- As a tokenizer for the candidate pool
- As an exact reference translation available at inference
- As a learned utility metric in evaluated translation settings
- Konsistensi diri dalam penalaran berkaitan dengan MBR karena:
- Ambil sampel banyak rantai dan pilih jawaban yang paling disepakati
- Selalu mengambil jawaban sampel pertama
- Menggunakan pencarian sinar secara internal
- Mengabaikan distribusi model
- How is risk generally expressed in minimum Bayes risk decision-making?
- Always one minus a normalized similarity score
- Expected loss under a chosen loss function and reference distribution
- The model’s parameter count divided by accuracy
- The number of candidates sampled
- If the chosen utility metric disagrees with human judgments, what will MBR primarily optimize?
- Human preference automatically overrides the metric
- The model’s raw next-token likelihood
- The expected utility under that selected metric
- The shortest candidate in the pool
- If a high-quality answer is missing from the sampled candidate pool, what can MBR do?
- It guarantees the missing answer is generated
- It changes the model weights to add the answer
- It replaces the utility metric with a human reference
- It can only select or rerank candidates that are in the pool