Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący modelowania nagród Bradleya-Terry'ego
Dowiedz się, jak Bradley-Terry przekształca wybory parami w wyniki, wspiera modelowanie nagród i odnosi się do powszechnych systemów rankingowych.
Pytanie 1 z 8
Co model Bradleya-Terry’ego przekształca na wyniki liczbowe?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co model Bradleya-Terry’ego przekształca na wyniki liczbowe?
- Porównania parami, który przedmiot jest preferowany
- Bezwzględne oceny od 1 do 10
- Surowe wartości pikseli
- Pomiary szeregów czasowych
- U Bradleya-Terry’ego prawdopodobieństwo, że A pokona B, jest funkcją czego?
- Produkt ich wyników
- Logistyka różnicy między ich wynikami
- Liczy się stosunek ich tokenów
- Stałe 50 procent niezależnie od wyników
- Dlaczego nagrody Bradleya-Terry'ego można zidentyfikować tylko do stałej addytywnej?
- Ponieważ wyniki muszą sumować się do jedności
- Ponieważ ludzie nie potrafią liczyć
- Ponieważ strata zależy tylko od różnic w wynikach
- Ponieważ sigmoid usuwa wszystkie informacje
- Jaka jest standardowa strata w przypadku porównania pojedynczych preferencji w modelowaniu nagród?
- Średni błąd kwadratowy względem etykiety od 1 do 10
- Entropia krzyżowa w całym słownictwie
- Bezwzględna różnica długości tokenów
- Ujemny log-esigmoida (nagroda wybranego minus nagroda odrzuconego)
- Która metoda pomija oddzielny model nagrody, optymalizując cel Bradleya-Terry'ego bezpośrednio w polityce?
- Bezpośrednia optymalizacja preferencji (DPO)
- Bliższa optymalizacja polityki (PPO)
- Normalizacja wsadowa
- Przycinanie gradientowe
- Jakie jest kluczowe ograniczenie założenia Bradleya-Terry’ego?
- Do obliczeń potrzebne są procesory graficzne
- Zakłada jeden spójny, przechodni ranking, który może się załamać w przypadku zmiany preferencji
- Działa tylko na obrazach
- Nie może obsłużyć więcej niż trzech elementów
- 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
- 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