Questionário vinculado ao guia · Médio Nível

Questionário de otimização Kahneman-Tversky

Verifica o feedback de desejabilidade binária do KTO, a motivação da teoria do cliente potencial, as recompensas do ponto de referência e os limites entre as configurações.

Caminhos de guia relacionadosOtimização Kahneman Tversky
Pergunta 1 de 8

Que tipo de dados o KTO exige?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Que tipo de dados o KTO exige?
    • Rótulos binários desejáveis/indesejáveis em saídas individuais
    • Pares classificados de respostas escolhidas e rejeitadas
    • Apenas texto sem rótulo
    • Pontuações numéricas de recompensa de 0 a 100
  2. KTO é inspirado em qual obra?
    • A relatividade de Einstein
    • Teoria da perspectiva de Kahneman e Tversky
    • A evolução de Darwin
    • Teoria da informação de Shannon
  3. O que é 'aversão à perda' conforme usado no KTO?
    • Evitando totalmente qualquer função de perda
    • Recusando-se a treinar com perdas
    • Penalizar os resultados indesejáveis de forma mais acentuada do que recompensar os desejáveis
    • Tornando a taxa de aprendizagem negativa
  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. No KTO, os desvios são medidos em relação a quê?
    • Um ponto de referência ou nível básico de recompensa
    • O número total de parâmetros
    • A temperatura da GPU
    • O tamanho do vocabulário
  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