Gids-gekoppelde quiz · Middelmatig Niveau
Beam-zoekquiz
Ontdek hoe bundelzoekopdrachten verschillende hoog scorende gedeeltelijke reeksen behouden en hoe scoreboetes de uiteindelijke uitvoertekst bepalen.
Vraag 1 van 8
Wat regelt de 'bundelbreedte' (k) bij het zoeken naar een bundel?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Wat regelt de 'bundelbreedte' (k) bij het zoeken naar een bundel?
- Hoeveel gedeeltelijke kandidaatreeksen worden bij elke decoderingsstap bewaard
- De maximale lengte van de gegenereerde reeks
- De temperatuur toegepast op waarschijnlijkheden
- De grootte van de woordenschat van het model
- Hoe verschilt straalzoeken van hebzuchtige decodering?
- Er wordt altijd het token met de hoogste waarschijnlijkheid gekozen
- Het behoudt meerdere hoog scorende gedeeltelijke reeksen in plaats van zich aan één reeks te binden
- Het bemonstert willekeurig tokens
- Het negeert de symbolische waarschijnlijkheden volledig
- Waarom wordt lengtenormalisatie vaak toegepast bij het zoeken naar bundels?
- Om de generatie sneller te maken
- Om de woordenschat te vergroten
- Omdat het optellen van log-waarschijnlijkheden de scores in de richting van kortere reeksen vertekent
- Om willekeur aan de uitvoer toe te voegen
- Voor welke taak is straalonderzoek bijzonder geschikt?
- Creatieve verhalen met een open einde
- Het genereren van maximaal diverse willekeurige tekst
- Het produceren van onvoorspelbare poëzie
- Machinevertaling, waarbij een getrouwe uitvoer met hoge waarschijnlijkheid gewenst is
- Wat is een bekend nadeel van het gebruik van een zeer grote bundelbreedte voor opwekking met een open einde?
- Het kan saaiere, repetitieve of gedegenereerde tekst opleveren
- Het garandeert de meest creatieve output
- Het elimineert de noodzaak van elk waarschijnlijkheidsmodel
- Het zorgt ervoor dat het model de invoer negeert
- Hoe bepaalt beam search bij elke stap welke kandidaten moeten worden behouden?
- Op alfabetische volgorde van tokens
- Door cumulatieve score (som van log-kansen), waarbij de bovenste k behouden blijft
- Door de langste kandidaten te kiezen
- Door willekeurige selectie onder alle kandidaten
- What problem does GNMT’s coverage penalty aim to reduce in translation?
- Repeatedly encoding the same source vocabulary
- The use of subword units
- Output translations that fail to cover source words
- The number of encoder layers
- What does diverse beam search modify to encourage different candidate outputs?
- It replaces the model probabilities with uniform random scores
- It removes all but one candidate at the first step
- It changes the training tokenizer after decoding
- It penalizes similarity or overlap among candidates in different beam groups