Quiz optymalizacyjny Kahnemana-Tversky'ego

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakich danych wymaga KTO?
   • Binarne pożądane/niepożądane etykiety na poszczególnych wyjściach
   • Pary rankingowe wybranych i odrzuconych odpowiedzi
   • Tylko tekst bez etykiety
   • Numeryczne wyniki nagród od 0 do 100
2. KTO inspiruje się jakim dziełem?
   • Teoria względności Einsteina
   • Teoria perspektywy Kahnemana i Tversky’ego
   • Ewolucja Darwina
   • Teoria informacji Shannona
3. Co to jest „awersja do strat” używana w KTO?
   • Całkowite uniknięcie jakiejkolwiek funkcji straty
   • Odmowa treningu po porażce
   • Surowsze karanie niepożądanych wyników niż nagradzanie pożądanych
   • Ujemny współczynnik uczenia się
4. What kind of feedback can KTO learn from without requiring paired comparisons?
   • Only a ranked list of five outputs
   • Only a reference translation
   • Only a token-level grammar mask
   • A binary label indicating whether an individual output is desirable
5. W KTO odchylenia są mierzone w stosunku do czego?
   • Punkt odniesienia lub podstawowy poziom nagrody
   • Całkowita liczba parametrów
   • Temperatura GPU
   • Rozmiar słownictwa
6. What does the KTO reference point help define?
   • The number of transformer layers
   • Whether an output’s implicit reward is above or below a baseline
   • A fixed translation in another language
   • The model’s maximum context length
7. Does KTO’s use of binary desirability feedback prove it will outperform preference-pair methods?
   • Yes, binary feedback is always superior
   • Yes, it eliminates the need to train a model
   • No; performance depends on the model, data, and evaluation setting
   • No, because binary feedback cannot be used for language models
8. Which behavioral-economics framework motivates KTO?
   • Classical signal detection theory
   • Bayesian network structure learning
   • The efficient-market hypothesis
   • Kahneman and Tversky’s prospect theory