Quiz collegato alla guida · Difficile Livello
Quiz sulla decodifica del rischio minimo di Bayes
Verifica l'utilità prevista, gli pseudo-riferimenti campionati, i confronti quadratici dei candidati, i limiti metrici e i vincoli del pool di candidati della decodifica MBR.
Domanda 1 di 8
Cosa seleziona la decodifica MBR invece della singola sequenza più probabile?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa seleziona la decodifica MBR invece della singola sequenza più probabile?
- Il candidato con la più alta utilità attesa rispetto ad altri risultati probabili
- La sequenza più breve
- Un campione casuale
- La sequenza più lunga
- Poiché i riferimenti reali non sono disponibili, cosa utilizza MBR come pseudo-riferimenti?
- Un corpus esterno fisso
- Il pool degli stessi risultati dei candidati campionati
- Annotazioni umane
- Il set formativo
- Perché l'MBR ingenuo è computazionalmente costoso?
- Richiede la riqualificazione del modello
- Ha bisogno di un vocabolario più ampio
- Il confronto a coppie di N candidati è costituito da chiamate metriche O (N al quadrato).
- Non utilizza 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
- L’autocoerenza nel ragionamento si riferisce all’MBR perché:
- Campiona molte catene e sceglie la risposta più concordata
- Prende sempre la prima risposta campionata
- Utilizza la ricerca del raggio internamente
- Ignora la distribuzione del modello
- 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