가이드 연계 퀴즈 · 중간 레벨

Perplexity 및 언어 측정항목 퀴즈

참조 토큰 가능성, 교차 엔트로피, 균일한 기준선, 비교 가능한 토큰화, BLEU, 품질 제한, 컨텍스트 창 및 마스크된 모델을 검토합니다.

관련 가이드 경로Perplexity 및 언어 측정항목
질문 1 의 8

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

모든 질문 미리보기8 질문

퀴즈를 풀면 정답과 설명이 나타납니다.

  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. 모델은 학습 없이 10,000 단어 어휘 전체에 균일한 확률을 할당합니다. 그 당혹감은 무엇입니까?
    • 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
    • 평균 제곱 픽셀 오류
    • 모델의 매개변수 개수
    • 블루
  6. 연구자들이 실제 품질을 판단하는 데 어려움을 겪게 만드는 주요 제한 사항은 무엇입니까?
    • Perplexity는 출력이 유용한지, 사실인지, 유용한지 여부가 아니라 다음 단어 예측을 측정합니다.
    • Perplexity은(는) 계산 비용이 너무 높습니다.
    • Perplexity은(는) 텍스트 데이터에서는 계산할 수 없습니다.
    • Perplexity은 훈련이 아닌 추론 중에만 작동합니다.
  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