Викторина, связанная с руководством · Средний Уровень

Викторина по моделированию вознаграждения Брэдли-Терри

Узнайте, как Брэдли-Терри превращает парные варианты в баллы, поддерживает моделирование вознаграждений и взаимодействует с распространенными системами ранжирования.

Связанные направляющие путиМоделирование вознаграждений Брэдли Терри
Вопрос 1 из 8

Что модель Брэдли-Терри преобразует в числовые оценки?

Предварительный просмотр каждого вопроса8 вопросы

Ответы и пояснения появляются по мере прохождения теста.

  1. Что модель Брэдли-Терри преобразует в числовые оценки?
    • Попарные сравнения, какой предмет предпочтительнее
    • Абсолютные оценки от 1 до 10
    • Необработанные значения пикселей
    • Измерения временных рядов
  2. В случае Брэдли-Терри вероятность того, что A победит B, является функцией чего?
    • Продукт их оценок
    • Логистика разницы между их оценками
    • Соотношение их токенов
    • Фиксированные 50 процентов независимо от баллов
  3. Почему вознаграждения Брэдли-Терри можно идентифицировать только с точностью до аддитивной константы?
    • Потому что сумма баллов должна равняться единице
    • Потому что люди не умеют считать
    • Потому что проигрыш зависит только от разницы в счете
    • Потому что сигмовидная удаляет всю информацию
  4. Какова стандартная потеря при одном сравнении предпочтений при моделировании вознаграждения?
    • Среднеквадратическая ошибка относительно метки от 1 до 10
    • Перекрестная энтропия по всему словарю
    • Абсолютная разница длин токенов
    • Отрицательный лог-сигмоид (награда выбранного минус награда отклоненного)
  5. Какой метод пропускает отдельную модель вознаграждения, оптимизируя цель Брэдли-Терри непосредственно в политике?
    • Прямая оптимизация предпочтений (DPO)
    • Оптимизация проксимальной политики (PPO)
    • Пакетная нормализация
    • Градиентное отсечение
  6. В чем состоит ключевое ограничение предположения Брэдли-Терри?
    • Для вычислений требуются графические процессоры
    • Он предполагает единый последовательный транзитивный рейтинг, который может нарушиться при циклическом изменении предпочтений.
    • Работает только с изображениями
    • Он никогда не может обрабатывать более трех элементов.
  7. Why can pairwise judgments be easier to collect than absolute quality scores?
    • Pairwise choices never contain disagreement
    • Absolute scores cannot be used for training
    • A rater can compare two candidates directly without calibrating a numeric scale
    • A pairwise label reveals every feature of the reward model
  8. Which familiar ranking system is mathematically related to Bradley-Terry-style pairwise scoring?
    • PageRank for web pages
    • TF-IDF for document terms
    • A Fourier transform for audio
    • Elo ratings