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.

Jalur panduan terkaitPenguraian Risiko Minimum Bayes
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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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