로짓 편향 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 로짓 편향은 무엇을 수정합니까?
   • 샘플링 전 특정 토큰의 점수(로짓)
   • 모델의 훈련 가중치가 영구적으로 유지됩니다.
   • 전체 프롬프트의 온도
   • 컨텍스트 창의 토큰 수
2. 많은 API에서 토큰에 대한 -100의 로짓 편향은 무엇을 달성합니까?
   • 토큰의 가능성을 100배 더 높입니다.
   • 토큰 생성을 효과적으로 금지합니다.
   • 어휘에서 토큰을 영원히 삭제합니다.
   • 모델의 속도를 두 배로 늘립니다.
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. 로짓 편향은 어떤 식별자에 영향을 받나요?
   • 일반 텍스트 단어
   • 문장 위치
   • 모델 이름
   • 숫자 토큰 ID
5. 로짓은 소프트맥스를 통과하므로 양의 편향을 추가하면 어떤 효과가 있나요?
   • 정규화 전 토큰의 상대적 가중치를 기하급수적으로 증가시킵니다.
   • 고정된 확률을 선형적으로 추가합니다.
   • 훈련 전까지는 효과가 없습니다.
   • 고려사항에서 토큰을 제거합니다.
6. 미세 조정에 비해 로짓 편향의 주요 장점은 다음과 같습니다.
   • 모델의 지식을 영구적으로 향상시킵니다.
   • 재교육이 필요하지 않으며 요청에 따라 적용됩니다.
   • 컨텍스트 창 크기를 늘립니다.
   • 이미지에서만 작동합니다.
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