Quiz collegato alla guida · Medio Livello

Quiz sulla temperatura e sul campionamento

Testare il ridimensionamento della temperatura logit, la decodifica greedy, i filtri candidati top-k e nucleo, i limiti numerici e i limiti della generazione prevedibile.

Percorsi guida correlatiTemperatura e campionamento
Domanda 1 di 8

Cosa comporta l'aumento della temperatura sull'output di un modello?

Anteprima di ogni domanda8 domande

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

  1. Cosa comporta l'aumento della temperatura sull'output di un modello?
    • Lo rende più deterministico e ripetitivo
    • Modifica in modo permanente i pesi del modello
    • Disabilita la funzione softmax
    • Lo rende più casuale e vario, con più possibilità di gettoni insoliti
  2. Prima del campionamento, i punteggi grezzi dei token (logit) del modello vengono trasformati in probabilità mediante:
    • Il filtro top-k
    • La funzione softmax
    • Propagazione all'indietro
    • Il tokenizzatore
  3. What determines the candidate set in top-p sampling, compared with top-k?
    • Top-p always keeps exactly ten tokens
    • Both methods always keep every vocabulary token
    • Top-p uses the smallest leading set reaching a cumulative probability threshold; top-k uses a count
    • Top-k uses a cumulative threshold while top-p uses a fixed count
  4. Meccanicamente, cosa fa effettivamente la temperatura ai logit?
    • Divide ogni logit per T prima di softmax
    • Aggiunge un numero casuale a ciascun logit
    • Cancella i log più bassi
    • Moltiplica le probabilità finali per T
  5. For a structured-data task, what does choosing more predictable token selection fail to establish?
    • That a decoding setting was chosen
    • That the generated content is correct or valid
    • That token scores can be compared
    • That a model can produce an output
  6. How does greedy decoding choose the next token?
    • It literally divides every logit by zero
    • It uniformly samples every vocabulary token
    • It permanently retrains the model
    • It selects a highest-scoring eligible token rather than sampling
  7. Two token logits differ by six before temperature scaling. With positive temperature two, what is their scaled difference?
    • Tre
    • Twelve
    • Sei
    • Zero
  8. For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
    • Uno
    • Tre
    • Due
    • Quattro