ガイド連動クイズ · 中 レベル

Perplexity と言語メトリクスのクイズ

参照トークンの可能性、クロスエントロピー、統一ベースライン、比較可能なトークン化、BLEU、品質制限、コンテキスト ウィンドウ、およびマスクされたモデルを確認します。

関連するガイドパスPerplexity と言語メトリクス
質問 1 の 8

Under the same autoregressive text-scoring setup, what does lower perplexity indicate?

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. Under the same autoregressive text-scoring setup, what does lower perplexity indicate?
    • Lower average negative log-likelihood for the reference tokens
    • A guarantee of more factually correct generated answers
    • A guarantee of a larger parameter count
    • A requirement that every top-choice prediction be correct
  2. Using natural-log negative log-likelihood, how is autoregressive perplexity computed from its average?
    • By multiplying the parameter count by the context length
    • By subtracting the average from the number of attention heads
    • By taking the average learning rate
    • By exponentiating the average negative log-likelihood
  3. モデルは、学習なしで 10,000 語の語彙全体に均一の確率を割り当てます。その困惑とは何でしょうか？
    • 1
    • 10,000
    • 0
    • 100
  4. Why do tokenizer and corpus settings matter when directly comparing per-token perplexity values?
    • Perplexity ignores every scored reference token
    • All corpora necessarily produce the same likelihood
    • They change the units or reference data over which probabilities are averaged
    • Only model parameter count determines the score
  5. Which translation-reference metric uses modified n-gram precision and a brevity penalty?
    • Perplexity
    • 平均二乗ピクセル誤差
    • モデルのパラメータ数
    • ブルー
  6. 研究者が実際の品質を判断する際に困惑を乗り越える重要な制限とは何でしょうか?
    • Perplexity は、出力が役立つか、真であるか、役に立つかどうかではなく、次の単語の予測を測定します。
    • Perplexity は計算コストが高すぎる
    • Perplexity はテキスト データでは計算できません
    • Perplexity は推論中にのみ機能し、トレーニングには機能しません
  7. When scoring a long text with a fixed-context model, what can a sliding-window procedure provide that disjoint chunks lose near boundaries?
    • A new vocabulary learned automatically at every boundary
    • A guarantee that generated answers are factually correct
    • More preceding context for the scored target tokens
    • A requirement to count each overlapping target repeatedly
  8. Why is conventional left-to-right perplexity not directly the same score for a BERT-style masked language model?
    • BERT has no learned parameters
    • The masked model does not directly define the same autoregressive sequence factorization
    • Every masked-token probability is necessarily zero
    • Perplexity is defined only for image pixels