Questionário de temperatura e amostragem

As respostas e explicações aparecem conforme você responde ao teste.

1. O que o aumento da temperatura afeta a saída de um modelo?
   • Torna-o mais determinístico e repetitivo
   • Altera permanentemente os pesos do modelo
   • Desativa a função softmax
   • Torna-o mais aleatório e variado, com mais chances de tokens incomuns
2. Antes da amostragem, as pontuações brutas do token (logits) são transformadas em probabilidades por:
   • O filtro top-k
   • A função softmax
   • Retropropagação
   • O tokenizador
3. What determines the candidate set in top-p sampling, compared with top-k?
   • Top-p always keeps exactly ten tokens
   • Both methods always keep every vocabulary token
   • Top-p uses the smallest leading set reaching a cumulative probability threshold; top-k uses a count
   • Top-k uses a cumulative threshold while top-p uses a fixed count
4. Mecanicamente, o que a temperatura realmente faz com os logits?
   • Divide cada logit por T antes de softmax
   • Adiciona um número aleatório a cada logit
   • Exclui os logits mais baixos
   • Multiplica as probabilidades finais por T
5. For a structured-data task, what does choosing more predictable token selection fail to establish?
   • That a decoding setting was chosen
   • That the generated content is correct or valid
   • That token scores can be compared
   • That a model can produce an output
6. How does greedy decoding choose the next token?
   • It literally divides every logit by zero
   • It uniformly samples every vocabulary token
   • It permanently retrains the model
   • It selects a highest-scoring eligible token rather than sampling
7. Two token logits differ by six before temperature scaling. With positive temperature two, what is their scaled difference?
   • Três
   • Twelve
   • Seis
   • zero
8. For probabilities 0.55, 0.30, 0.10, and 0.05, how many leading tokens does top-p 0.80 keep?
   • Um
   • Três
   • Dois
   • Quatro