Questionário vinculado ao guia · Médio Nível

Perplexity e teste de métricas de linguagem

Revise a probabilidade do token de referência, entropia cruzada, linhas de base uniformes, tokenização comparável, BLEU, limites de qualidade, janelas de contexto e modelos mascarados.

Caminhos de guia relacionadosPerplexity e métricas de linguagem
Pergunta 1 de 8

Under the same autoregressive text-scoring setup, what does lower perplexity indicate?

Visualize cada pergunta8 perguntas

As respostas e explicações aparecem conforme você responde ao teste.

  1. Under the same autoregressive text-scoring setup, what does lower perplexity indicate?
    • Lower average negative log-likelihood for the reference tokens
    • A guarantee of more factually correct generated answers
    • A guarantee of a larger parameter count
    • A requirement that every top-choice prediction be correct
  2. Using natural-log negative log-likelihood, how is autoregressive perplexity computed from its average?
    • By multiplying the parameter count by the context length
    • By subtracting the average from the number of attention heads
    • By taking the average learning rate
    • By exponentiating the average negative log-likelihood
  3. Um modelo atribui probabilidade uniforme em um vocabulário de 10.000 palavras sem aprendizado. Qual é a sua perplexidade?
    • 1
    • 10.000
    • 0
    • 100
  4. Why do tokenizer and corpus settings matter when directly comparing per-token perplexity values?
    • Perplexity ignores every scored reference token
    • All corpora necessarily produce the same likelihood
    • They change the units or reference data over which probabilities are averaged
    • Only model parameter count determines the score
  5. Which translation-reference metric uses modified n-gram precision and a brevity penalty?
    • Perplexity
    • Erro médio de pixel ao quadrado
    • A contagem de parâmetros do modelo
    • AZUL
  6. Que limitação principal leva os pesquisadores além da perplexidade para julgar a qualidade do mundo real?
    • Perplexity mede a previsão da próxima palavra, não se o resultado é útil, verdadeiro ou útil
    • Perplexity é muito caro para calcular
    • Perplexity não pode ser calculado em dados de texto
    • Perplexity funciona apenas durante a inferência, não no treinamento
  7. When scoring a long text with a fixed-context model, what can a sliding-window procedure provide that disjoint chunks lose near boundaries?
    • A new vocabulary learned automatically at every boundary
    • A guarantee that generated answers are factually correct
    • More preceding context for the scored target tokens
    • A requirement to count each overlapping target repeatedly
  8. Why is conventional left-to-right perplexity not directly the same score for a BERT-style masked language model?
    • BERT has no learned parameters
    • The masked model does not directly define the same autoregressive sequence factorization
    • Every masked-token probability is necessarily zero
    • Perplexity is defined only for image pixels