Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Permodelan Ganjaran Bradley-Terry

Fahami cara Bradley-Terry menukar pilihan berpasangan kepada markah, menyokong pemodelan ganjaran dan berkaitan dengan sistem kedudukan biasa.

Laluan panduan yang berkaitanPemodelan Ganjaran Bradley Terry
soalan 1 daripada 8

Apakah model Bradley-Terry ditukar kepada skor angka?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah model Bradley-Terry ditukar kepada skor angka?
    • Perbandingan berpasangan bagi item mana yang lebih disukai
    • Penilaian 1 hingga 10 mutlak
    • Nilai piksel mentah
    • Pengukuran siri masa
  2. Dalam Bradley-Terry, kebarangkalian bahawa A mengalahkan B ialah fungsi apa?
    • Hasil daripada markah mereka
    • Logistik perbezaan antara markah mereka
    • Nisbah token mereka dikira
    • 50 peratus tetap tanpa mengira markah
  3. Mengapakah ganjaran Bradley-Terry hanya boleh dikenal pasti sehingga pemalar aditif?
    • Kerana markah mesti dijumlahkan kepada satu
    • Kerana manusia tidak boleh mengira
    • Kerana kerugian hanya bergantung pada perbezaan markah
    • Kerana sigmoid membuang semua maklumat
  4. Apakah kerugian standard untuk perbandingan keutamaan tunggal dalam pemodelan ganjaran?
    • Min ralat kuasa dua terhadap label 1 hingga 10
    • Entropi silang ke atas perbendaharaan kata penuh
    • Perbezaan mutlak panjang token
    • Log-sigmoid negatif (ganjaran yang dipilih tolak ganjaran yang ditolak)
  5. Kaedah yang manakah melangkau model ganjaran yang berasingan dengan mengoptimumkan objektif Bradley-Terry secara langsung pada dasar?
    • Pengoptimuman Keutamaan Langsung (DPO)
    • Pengoptimuman Dasar Proksimal (PPO)
    • Normalisasi kelompok
    • Keratan kecerunan
  6. Apakah batasan utama andaian Bradley-Terry?
    • Ia memerlukan GPU untuk mengira
    • Ia menganggap kedudukan transitif tunggal yang konsisten yang boleh pecah apabila pilihan kitaran
    • Ia hanya berfungsi pada imej
    • Ia tidak boleh mengendalikan lebih daripada tiga item yang pernah ada
  7. Why can pairwise judgments be easier to collect than absolute quality scores?
    • Pairwise choices never contain disagreement
    • Absolute scores cannot be used for training
    • A rater can compare two candidates directly without calibrating a numeric scale
    • A pairwise label reveals every feature of the reward model
  8. Which familiar ranking system is mathematically related to Bradley-Terry-style pairwise scoring?
    • PageRank for web pages
    • TF-IDF for document terms
    • A Fourier transform for audio
    • Elo ratings