Quiz połączony z przewodnikiem · Ciężko Poziom
Quiz dotyczący dekodowania minimalnego ryzyka Bayesa
Testuje oczekiwaną użyteczność, próbkowane pseudoodniesienia, kwadratowe porównania kandydatów, limity metryczne i ograniczenia puli kandydatów w dekodowaniu MBR.
Pytanie 1 z 8
Co wybiera dekodowanie MBR zamiast pojedynczej najbardziej prawdopodobnej sekwencji?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Co wybiera dekodowanie MBR zamiast pojedynczej najbardziej prawdopodobnej sekwencji?
- Kandydat o najwyższej oczekiwanej użyteczności w porównaniu z innymi prawdopodobnymi wynikami
- Najkrótsza sekwencja
- Losowa próbka
- Najdłuższa sekwencja
- Ponieważ prawdziwe odniesienia są niedostępne, czego MBR używa jako pseudoodniesień?
- Stały korpus zewnętrzny
- Sama pula wybranych wyników kandydatów
- Adnotacje ludzkie
- Zestaw treningowy
- Dlaczego naiwny MBR jest kosztowny obliczeniowo?
- Wymaga to przeszkolenia modelu
- Przydałoby się większe słownictwo
- Porównanie parami N kandydatów to wywołania metryczne O (N kwadrat).
- Nie wykorzystuje procesora graficznego
- What has COMET been used for in minimum Bayes risk machine-translation experiments?
- As a universal guarantee of better translation quality
- As a tokenizer for the candidate pool
- As an exact reference translation available at inference
- As a learned utility metric in evaluated translation settings
- Spójność w rozumowaniu odnosi się do MBR, ponieważ:
- Próbuje wiele łańcuchów i wybiera najbardziej uzgodnioną odpowiedź
- Zawsze wybiera pierwszą próbkę odpowiedzi
- Używa wewnętrznie wyszukiwania belek
- Ignoruje rozkład modelu
- How is risk generally expressed in minimum Bayes risk decision-making?
- Always one minus a normalized similarity score
- Expected loss under a chosen loss function and reference distribution
- The model’s parameter count divided by accuracy
- The number of candidates sampled
- If the chosen utility metric disagrees with human judgments, what will MBR primarily optimize?
- Human preference automatically overrides the metric
- The model’s raw next-token likelihood
- The expected utility under that selected metric
- The shortest candidate in the pool
- If a high-quality answer is missing from the sampled candidate pool, what can MBR do?
- It guarantees the missing answer is generated
- It changes the model weights to add the answer
- It replaces the utility metric with a human reference
- It can only select or rerank candidates that are in the pool