제약 조건 퀴즈를 사용한 유도 빔 검색

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 일반 빔 검색은 각 생성 단계에서 무엇을 유지합니까?
   • 가장 가능성이 높은 상위 k 부분 시퀀스
   • 가장 가능성이 높은 단일 토큰만
   • 가능한 모든 시퀀스
   • 시퀀스의 무작위 샘플
2. Grid Beam Search와 같은 어휘적으로 제한된 방법은 어떻게 빔을 구성합니까?
   • 출력 길이로만
   • 각 빔이 충족한 필수 구속조건 수
   • 알파벳순
   • 모델의 자신감만으로
3. 문법이 제한된 디코딩에서 잘못된 출력을 어떻게 방지합니까?
   • 생성 후 불량 토큰을 삭제하여
   • 유효한 예시를 바탕으로 모델을 재교육함으로써
   • 문법에 맞는 토큰만 허용되도록 토큰 확률을 마스킹합니다.
   • 온도를 낮추면서
4. 동적 빔 할당은 어떤 문제를 해결합니까?
   • 제약 조건이 필요하지 않습니다.
   • 모델을 더 크게 만듭니다.
   • 빔 검색을 완전히 제거합니다.
   • 제약 진행 수준 전반에 걸쳐 빔 슬롯을 효율적으로 공유합니다.
5. When can grammar-constrained decoding produce syntactically valid JSON?
   • When the grammar constraint is enforced through completion and the output is not truncated
   • Whenever JSON is mentioned in the prompt
   • Even if the runtime stops before required closing tokens
   • Regardless of whether the active grammar matches the intended schema
6. 특별한 처리 없이도 엄격한 제약 조건으로 인해 좋은 시퀀스가 배제될 수 있는 이유는 무엇입니까?
   • 모든 빔을 동일하게 만듭니다.
   • 제약 조건을 무시하는 확률이 높은 빔이 top-k를 지배할 수 있음
   • GPU 속도가 느려집니다.
   • 어휘력이 늘어납니다
7. A lexical constraint requires a translation to include “bridge” and “river.” What does constrained beam search enforce?
   • The output has exactly two words
   • The model uses only one beam
   • The completed output includes the required terms
   • The translation is factually accurate
8. A grammar-constrained generator returns JSON that parses successfully. What does that not establish by itself?
   • That the output follows the grammar
   • That required fields can be present
   • That the syntax is valid
   • That the values are factually correct or appropriate for the application