Gids-gekoppelde quiz · Middelmatig Niveau

Perplexity en quiz over taalstatistieken

Beoordeel de waarschijnlijkheid van referentietokens, kruisentropie, uniforme basislijnen, vergelijkbare tokenisatie, BLEU, kwaliteitslimieten, contextvensters en gemaskeerde modellen.

Gerelateerde gidspadenPerplexity En taalstatistieken
Vraag 1 van 8

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

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  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. Een model wijst uniforme waarschijnlijkheid toe aan een vocabulaire van 10.000 woorden zonder dat er iets geleerd hoeft te worden. Wat is zijn verbijstering?
    • 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
    • Gemiddelde kwadratische pixelfout
    • Het aantal parameters van het model
    • BLEU
  6. Welke belangrijke beperking duwt onderzoekers voorbij de verwarring bij het beoordelen van de kwaliteit in de echte wereld?
    • Perplexity meet de voorspelling van het volgende woord, niet of de uitvoer nuttig, waar of nuttig is
    • Perplexity is te duur om te berekenen
    • Perplexity kan niet worden berekend op basis van tekstgegevens
    • Perplexity werkt alleen tijdens inferentie, niet tijdens training
  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