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.
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.
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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