แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการค้นหาบีม

สำรวจว่าการค้นหาบีมเก็บลำดับบางส่วนที่ให้คะแนนสูงหลายๆ ลำดับอย่างไร และบทลงโทษของการให้คะแนนจะส่งผลต่อข้อความเอาต์พุตสุดท้ายอย่างไร

เส้นทางแนะนำที่เกี่ยวข้องค้นหาบีม
คำถาม 1 ของ 8

'ความกว้างของลำแสง' (k) ควบคุมอะไรในการค้นหาลำแสง

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. 'ความกว้างของลำแสง' (k) ควบคุมอะไรในการค้นหาลำแสง
    • จำนวนลำดับตัวเลือกบางส่วนที่ถูกเก็บไว้ในแต่ละขั้นตอนการถอดรหัส
    • ความยาวสูงสุดของลำดับที่สร้างขึ้น
    • อุณหภูมิที่ใช้กับความน่าจะเป็น
    • ขนาดของคำศัพท์ของแบบจำลอง
  2. การค้นหาบีมแตกต่างจากการถอดรหัสโลภอย่างไร
    • มันจะเลือกโทเค็นที่มีความน่าจะเป็นสูงสุดเพียงอันเดียวเสมอ
    • โดยจะเก็บลำดับบางส่วนที่ให้คะแนนสูงไว้หลายลำดับ แทนที่จะเก็บไว้เพียงลำดับเดียว
    • มันสุ่มตัวอย่างโทเค็น
    • โดยจะละเว้นความน่าจะเป็นของโทเค็นโดยสิ้นเชิง
  3. เหตุใดการทำให้ความยาวเป็นมาตรฐานจึงถูกนำมาใช้ในการค้นหาลำแสง
    • เพื่อให้เกิดความรวดเร็วยิ่งขึ้น
    • เพื่อเพิ่มขนาดคำศัพท์
    • เนื่องจากการสรุปอคติของความน่าจะเป็นของบันทึกจะนำไปสู่ลำดับที่สั้นกว่า
    • เพื่อเพิ่มการสุ่มให้กับเอาท์พุต
  4. การค้นหาลำแสงเหมาะสมอย่างยิ่งกับงานใด
    • การเล่าเรื่องอย่างสร้างสรรค์แบบปลายเปิด
    • การสร้างข้อความสุ่มที่หลากหลายสูงสุด
    • สร้างสรรค์บทกวีที่คาดเดาไม่ได้
    • การแปลด้วยคอมพิวเตอร์ที่ต้องการผลลัพธ์ที่น่าเชื่อถือสูง
  5. อะไรคือข้อเสียที่ทราบของการใช้ความกว้างของลำแสงที่ใหญ่มากสำหรับรุ่นปลายเปิด?
    • อาจทำให้เกิดข้อความที่ไม่สุภาพ ซ้ำซาก หรือเสื่อมเสียได้
    • รับประกันผลงานที่สร้างสรรค์ที่สุด
    • โดยไม่จำเป็นต้องใช้โมเดลความน่าจะเป็นใดๆ
    • มันทำให้โมเดลละเว้นอินพุต
  6. ในแต่ละขั้นตอน การค้นหาบีมจะตัดสินว่าจะเก็บผู้สมัครคนใดไว้อย่างไร
    • ตามลำดับตัวอักษรของโทเค็น
    • โดยคะแนนสะสม (ผลรวมของความน่าจะเป็นของบันทึก) โดยรักษาค่า k ไว้ด้านบน
    • โดยเลือกผู้สมัครที่ยาวที่สุด
    • โดยการสุ่มเลือกจากผู้สมัครทั้งหมด
  7. What problem does GNMT’s coverage penalty aim to reduce in translation?
    • Repeatedly encoding the same source vocabulary
    • The use of subword units
    • Output translations that fail to cover source words
    • The number of encoder layers
  8. What does diverse beam search modify to encourage different candidate outputs?
    • It replaces the model probabilities with uniform random scores
    • It removes all but one candidate at the first step
    • It changes the training tokenizer after decoding
    • It penalizes similarity or overlap among candidates in different beam groups