Quiz połączony z przewodnikiem · Średni Poziom
Quiz o ograniczonym dekodowaniu
Przejrzyj ograniczenia na poziomie tokena, analizę przyrostową, uporządkowane limity wyników i rozróżnienie między prawidłowym formatem a poprawną treścią.
Pytanie 1 z 8
Co zasadniczo robi ograniczone dekodowanie na każdym etapie generowania?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co zasadniczo robi ograniczone dekodowanie na każdym etapie generowania?
- Maskuje tokeny, które naruszałyby wymaganą strukturę przed próbkowaniem
- Ponowne uczenie modelu na ustrukturyzowanych przykładach
- Obniża temperaturę do zera
- Dodaje więcej danych szkoleniowych do podpowiedzi
- What can happen if a requested JSON Schema uses a feature unsupported by a structured-output implementation?
- The model silently gains new training data
- The request can be rejected with an error
- All outputs become valid SQL
- The schema is automatically converted to natural language
- Jakie wyzwanie techniczne utrudnia wdrożenie ograniczonego dekodowania?
- Bez tego modele w ogóle nie mogą wyświetlać tekstu
- Wymaga procesora graficznego z ponad 100 GB pamięci
- Tokeny podsłów nie są dokładnie dopasowane do symboli gramatycznych
- Gramatyki nie można pisać w formacie JSON
- Który z nich jest prawdziwym formatem używanym do określania ograniczeń dekodowania?
- Arkusz kalkulacyjny wag
- Lista temperatur GPU
- Losowa wartość początkowa
- Schemat JSON lub gramatyka bezkontekstowa
- W którym momencie potoku zwykle stosuje się maskę ograniczeń?
- Do logitów, przed krokiem softmax/samplingu
- Przed tokenizacją podpowiedzi
- Po tym, jak tekst jest już wydrukowany użytkownikowi
- Tylko podczas treningu modelowego
- W porównaniu do zwykłego proszenia modelu w wierszu zachęty o „wyjście prawidłowego JSON”, jakie korzyści oferuje ograniczone dekodowanie?
- Zużywa mniej prądu
- Daje twardą gwarancję, a nie polega na współpracy modela
- Dzięki temu model jest bardziej kreatywny
- Eliminuje potrzebę stosowania tokenizera
- What does PICARD do with a candidate token that would make a partial SQL query unparsable?
- Accepts it and repairs the query after generation
- Retrains the language model immediately
- Rejects that token during incremental parsing before it is emitted
- Deletes the user’s database schema
- What does a schema-conforming output guarantee by itself?
- Every value is true in the external world
- The model used the right source documents
- No refusal or incomplete response can occur
- The output matches the supported structure, not that its values are factually correct