Quiz collegato alla guida · Medio Livello
Quiz sull'ottimizzazione delle preferenze del rapporto quote
Spiega l'obiettivo di preferenza senza modello di riferimento di ORPO, la penalità del rapporto probabilità e la formazione combinata supervisionata e basata sulle preferenze.
Domanda 1 di 8
Qual è il principale vantaggio pratico di ORPO rispetto a metodi come DPO?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Qual è il principale vantaggio pratico di ORPO rispetto a metodi come DPO?
- Elimina la necessità di un modello di riferimento separato
- Non richiede alcun dato di addestramento
- Funziona solo su modelli di immagine
- Garantisce zero allucinazioni
- Con cosa si confronta l'"odds ratio" in ORPO?
- Velocità di allenamento rispetto alla precisione
- Le probabilità della risposta scelta rispetto alla risposta rifiutata
- Due diversi tassi di apprendimento
- La dimensione del modello rispetto alla dimensione del set di dati
- What form does an ORPO preference example contain?
- Only a single unlabeled response
- A prompt with two identical completions
- A prompt with one chosen response and one disfavored response
- A reward score with no associated responses
- How does ORPO convert a response probability p into odds?
- One minus p divided by p
- The square root of p
- The logarithm of the prompt length
- p divided by one minus p
- La perdita ORPO è meglio descritta come quale combinazione?
- Entropia incrociata SFT più un termine di preferenza ponderato per il rapporto odd
- Solo un punteggio del modello di ricompensa
- Un puro ritorno dell’apprendimento per rinforzo
- Iniezione di rumore casuale
- Which response receives the supervised fine-tuning component of ORPO?
- Only the rejected response
- The chosen or preferred response
- A response sampled after deployment
- No response; ORPO has no language-modeling term
- Which parameter controls the weight of ORPO’s preference term relative to the supervised loss?
- La dimensione del vocabolario del tokenizzatore
- Il numero di teste di attenzione
- The preference-loss coefficient
- The prompt’s character count
- Why should an ORPO result report its preference data and evaluation setup?
- ORPO results are identical across datasets
- The objective removes the need for evaluation
- The number of model layers determines every preference
- Outcomes depend on the dataset, coefficient, base model, and evaluation