Questionário vinculado ao guia · Difícil Nível
Questionário de decodificação de risco mínimo de Bayes
Testa a utilidade esperada, pseudorreferências amostradas, comparações quadráticas de candidatos, limites métricos e as restrições do conjunto de candidatos da decodificação MBR.
Pergunta 1 de 8
O que a decodificação MBR seleciona em vez da sequência mais provável?
Visualize cada pergunta8 perguntas
As respostas e explicações aparecem conforme você responde ao teste.
- O que a decodificação MBR seleciona em vez da sequência mais provável?
- O candidato com a maior utilidade esperada em relação a outros resultados prováveis
- A sequência mais curta
- Uma amostra aleatória
- A sequência mais longa
- Como as referências verdadeiras não estão disponíveis, o que o MBR usa como pseudorreferências?
- Um corpus externo fixo
- O conjunto de resultados candidatos amostrados
- Anotações humanas
- O conjunto de treinamento
- Por que o MBR ingênuo é computacionalmente caro?
- Requer um novo treinamento do modelo
- Precisa de um vocabulário maior
- A comparação entre pares de N candidatos é uma chamada de métrica O(N ao quadrado)
- Não usa GPU
- 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
- A autoconsistência no raciocínio está relacionada ao MBR porque:
- Amostra muitas cadeias e escolhe a resposta mais consensual
- Sempre pega a primeira resposta amostrada
- Usa pesquisa de feixe internamente
- Ignora a distribuição do modelo
- 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