Gids-gekoppelde quiz · Middelmatig Niveau

Odds Ratio Voorkeur Optimalisatie Quiz

Legt ORPO's referentiemodelvrije voorkeursdoel, odds-ratio-straf en gecombineerde begeleide en voorkeurstraining uit.

Vraag 1 van 8

Wat is het belangrijkste praktische voordeel van ORPO ten opzichte van methoden als DPO?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Wat is het belangrijkste praktische voordeel van ORPO ten opzichte van methoden als DPO?
    • Het elimineert de noodzaak voor een afzonderlijk referentiemodel
    • Er zijn helemaal geen trainingsgegevens nodig
    • Het werkt alleen op afbeeldingsmodellen
    • Het garandeert nul hallucinaties
  2. Wat vergelijkt de 'odds ratio' in ORPO?
    • Trainingssnelheid versus nauwkeurigheid
    • De odds van het gekozen antwoord versus het afgewezen antwoord
    • Twee verschillende leersnelheden
    • De modelgrootte versus de grootte van de dataset
  3. What form does an ORPO preference example contain?
    • Only a single unlabeled response
    • A prompt with two identical completions
    • A prompt with one chosen response and one disfavored response
    • A reward score with no associated responses
  4. How does ORPO convert a response probability p into odds?
    • One minus p divided by p
    • The square root of p
    • The logarithm of the prompt length
    • p divided by one minus p
  5. Als welke combinatie kan het ORPO-verlies het beste worden omschreven?
    • SFT-cross-entropie plus een gewogen odds-ratio-voorkeursterm
    • Alleen een beloningsmodelscore
    • Een pure versterkingslerende terugkeer
    • Willekeurige geluidsinjectie
  6. Which response receives the supervised fine-tuning component of ORPO?
    • Only the rejected response
    • The chosen or preferred response
    • A response sampled after deployment
    • No response; ORPO has no language-modeling term
  7. Which parameter controls the weight of ORPO’s preference term relative to the supervised loss?
    • De woordenschatgrootte van de tokenizer
    • Het aantal aandachtshoofden
    • The preference-loss coefficient
    • The prompt’s character count
  8. Why should an ORPO result report its preference data and evaluation setup?
    • ORPO results are identical across datasets
    • The objective removes the need for evaluation
    • The number of model layers determines every preference
    • Outcomes depend on the dataset, coefficient, base model, and evaluation