Quiz collegato alla guida · Medio Livello
Quiz sulla decodifica vincolata
Esamina i vincoli a livello di token, l'analisi incrementale, i limiti di output strutturati e la distinzione tra formato valido e contenuto corretto.
Domanda 1 di 8
Cosa fa fondamentalmente la decodifica vincolata in ogni fase di generazione?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa fa fondamentalmente la decodifica vincolata in ogni fase di generazione?
- Maschera i token che violerebbero la struttura richiesta prima del campionamento
- Riqualifica il modello su esempi strutturati
- Abbassa la temperatura a zero
- Aggiunge ulteriori dati di training al prompt
- What can happen if a requested JSON Schema uses a feature unsupported by a structured-output implementation?
- The model silently gains new training data
- The request can be rejected with an error
- All outputs become valid SQL
- The schema is automatically converted to natural language
- Quale sfida tecnica rende difficile l'implementazione della decodifica vincolata?
- I modelli non possono generare alcun testo senza di esso
- Richiede una GPU con più di 100 GB di memoria
- I token delle sottoparole non si allineano perfettamente con i simboli grammaticali
- Le grammatiche non possono essere scritte per JSON
- Quale di questi è un formato reale utilizzato per specificare i vincoli per la decodifica?
- Un foglio di calcolo dei pesi
- Un elenco delle temperature della GPU
- Un valore seme casuale
- Uno schema JSON o una grammatica libera dal contesto
- A quale punto della pipeline viene generalmente applicata la maschera di vincolo?
- Ai logit, prima della fase softmax/campionamento
- Prima della tokenizzazione del prompt
- Dopo che il testo è già stato stampato per l'utente
- Solo durante l'addestramento del modello
- Rispetto alla semplice richiesta a un modello nel prompt di "emettere un JSON valido", quale vantaggio offre la decodifica vincolata?
- Utilizza meno elettricità
- Fornisce una garanzia concreta piuttosto che fare affidamento sulla cooperazione del modello
- Rende il modello più creativo
- Elimina la necessità di un tokenizzatore
- What does PICARD do with a candidate token that would make a partial SQL query unparsable?
- Accepts it and repairs the query after generation
- Retrains the language model immediately
- Rejects that token during incremental parsing before it is emitted
- Deletes the user’s database schema
- What does a schema-conforming output guarantee by itself?
- Every value is true in the external world
- The model used the right source documents
- No refusal or incomplete response can occur
- The output matches the supported structure, not that its values are factually correct