ガイド連動クイズ · 中 レベル

ロジットバイアスクイズ

トークン ID のロジット バイアスによってサンプリングがどのように変更されるか、そのサブワードの制限、およびトークン レベルの制御が意図したよりも多くのテキストに影響を与える可能性がある理由を確認してください。

関連するガイドパスロジットバイアス
質問 1 の 8

ロジットバイアスは何を変えるのでしょうか?

すべての質問をプレビューする8 質問

クイズに答えると、答えと解説が表示されます。

  1. ロジットバイアスは何を変えるのでしょうか?
    • サンプリング前の特定のトークンのスコア (ロジット)
    • モデルのトレーニング ウェイトは永続的です
    • プロンプト全体の温度
    • コンテキスト ウィンドウ内のトークンの数
  2. 多くの API では、トークンのロジット バイアス -100 は何を達成するのでしょうか?
    • トークンの可能性が 100 倍になります
    • トークンの生成を事実上禁止します
    • 語彙からトークンを永久に削除します
    • モデルの速度を 2 倍にします
  3. What numeric range does the documented OpenAI Chat Completions logit_bias accept for a token?
    • From 0 to 1 only
    • From -1 to 1 only
    • From -100 to 100
    • Any string value
  4. ロジットバイアスはどの識別子に基づいていますか?
    • 平文の単語
    • 文の位置
    • モデルの名前
    • 数値のトークンID
  5. ロジットはソフトマックスを通過するため、正のバイアスを追加するとどのような効果がありますか?
    • 正規化の前にトークンの相対的な重みを指数関数的に増加させます
    • 固定確率を線形に加算します
    • トレーニングするまで効果はない
    • トークンを検討対象から除外します
  6. 微調整に対するロジット バイアスの主な利点は次のとおりです。
    • モデルの知識を永続的に向上させます
    • 再トレーニングは必要なく、リクエストごとに適用されます
    • コンテキストウィンドウのサイズを大きくします
    • 画像のみで動作します
  7. Why should a developer inspect the tokenizer before applying a bias to a visible word?
    • Token IDs are assigned only after sampling
    • Visible words always equal one token
    • The word may be represented by several token IDs, so biasing one ID may not cover all forms
    • The tokenizer controls the model’s training data
  8. What is a practical risk of applying a strong positive bias to one token?
    • It increases the context window
    • It changes the model weights permanently
    • It guarantees the token appears exactly once
    • It can distort generation or produce repetitive, awkward text