Gids-gekoppelde quiz · Moeilijk Niveau

Mirostat Perplexity Controlequiz

Behandelt de beoogde verrassing/verbijstering, feedbackdrempel, updatesnelheid, versieverschillen en limieten van Mirostat als decoderingsheuristiek.

Gerelateerde gidspadenMirostat Perplexity Controle
Vraag 1 van 8

What does Mirostat try to control during generation?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. What does Mirostat try to control during generation?
    • A target level of output perplexity or surprise
    • Het aantal modelparameters
    • The training dataset size
    • De GPU-temperatuur
  2. Hoe verschilt Mirostat fundamenteel van standaard top-k- of top-p-sampling?
    • Er wordt nooit gebruik gemaakt van willekeur
    • Het past de afkapping dynamisch aan met behulp van feedback in plaats van een vaste afsnijding
    • Het werkt alleen op afbeeldingen
    • Het vereist herscholing van het model
  3. Welke rol speelt de parameter eta in Mirostat?
    • Het bepaalt de grootte van de woordenschat
    • Het bepaalt de uitvoerlengte
    • Het is de leersnelheid die bepaalt hoe snel de drempel zich aanpast
    • Het schakelt sampling uit
  4. Wat is de belangrijkste verbetering van Mirostat versie 2 ten opzichte van versie 1?
    • Het genereert ook afbeeldingen
    • Het vereist meer geheugen
    • Het verwijdert de tau-parameter
    • Het laat de aanname van een Zipfian-distributie achterwege voor een eenvoudigere, robuustere controle
  5. Als Mirostat constateert dat de output te voorspelbaar wordt, zal het:
    • Maak de afknotting losser om meer diverse tokens toe te laten
    • Maak de afkapping strakker om minder tokens toe te staan
    • Stop onmiddellijk met genereren
    • Vergroot de modelgrootte
  6. Which Mirostat settings does current llama.cpp expose?
    • Tokenizer vocabulary and number of layers
    • Mode, target tau, and learning-rate eta
    • Only the prompt length
    • Training epochs and validation loss
  7. What does eta control in Mirostat’s feedback update?
    • The size of the model vocabulary
    • The target number of output tokens
    • How strongly the threshold changes in response to the observed error
    • The probability of a correct factual answer
  8. What does a Mirostat target not guarantee by itself?
    • That the sampler reads token probabilities
    • That the setting can influence surprise
    • That the output contains tokens
    • That the generated text is factually correct