Quiz collegato alla guida · Medio Livello

Quiz sulla ricerca del raggio

Esplora come la ricerca a fascio (beam search) mantiene diverse sequenze parziali con punteggi elevati e come le penalità di punteggio modellano il testo di output finale.

Percorsi guida correlatiRicerca del raggio
Domanda 1 di 8

Cosa controlla la "larghezza del raggio" (k) nella ricerca del raggio?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Cosa controlla la "larghezza del raggio" (k) nella ricerca del raggio?
    • Quante sequenze candidate parziali vengono conservate in ogni fase di decodifica
    • La lunghezza massima della sequenza generata
    • La temperatura applicata alle probabilità
    • La dimensione del vocabolario del modello
  2. In cosa differisce la ricerca del raggio dalla decodifica golosa?
    • Sceglie sempre il singolo token con la probabilità più alta
    • Mantiene più sequenze parziali con punteggi elevati invece di impegnarsi in una sola
    • Campiona i token in modo casuale
    • Ignora completamente le probabilità dei token
  3. Perché la normalizzazione della lunghezza viene comunemente applicata nella ricerca dei raggi?
    • Per rendere la generazione più veloce
    • Per aumentare la dimensione del vocabolario
    • Perché la somma delle probabilità logaritmiche distorce i punteggi verso sequenze più brevi
    • Per aggiungere casualità agli output
  4. Per quale compito è particolarmente adatta la ricerca del raggio?
    • Narrazione creativa a tempo indeterminato
    • Generazione di testo casuale estremamente diversificato
    • Produrre poesia imprevedibile
    • Traduzione automatica, quando si desidera un output fedele e ad alta probabilità
  5. Qual è uno svantaggio noto dell'utilizzo di una larghezza del fascio molto ampia per la generazione a tempo indeterminato?
    • Può produrre testo più blando, ripetitivo o degenerato
    • Garantisce l'output più creativo
    • Elimina la necessità di qualsiasi modello di probabilità
    • Fa sì che il modello ignori l'input
  6. Ad ogni passaggio, in che modo la ricerca del fascio decide quali candidati mantenere?
    • Secondo l'ordine alfabetico dei gettoni
    • In base al punteggio cumulativo (somma delle probabilità logaritmiche), mantenendo il k
    • Scegliendo i candidati più lunghi
    • Mediante selezione casuale tra tutti i candidati
  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