แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการสร้างแบบจำลองรางวัลแบรดลีย์-เทอร์รี่

ทำความเข้าใจว่าแบรดลีย์-เทอร์รี่เปลี่ยนตัวเลือกแบบคู่ให้เป็นคะแนน สนับสนุนการสร้างแบบจำลองรางวัล และเกี่ยวข้องกับระบบการจัดอันดับทั่วไปได้อย่างไร

คำถาม 1 ของ 8

แบบจำลองแบรดลีย์-เทอร์รี่แปลงเป็นคะแนนตัวเลขเท่าใด

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. แบบจำลองแบรดลีย์-เทอร์รี่แปลงเป็นคะแนนตัวเลขเท่าใด
    • การเปรียบเทียบแบบคู่ว่ารายการไหนเป็นที่ต้องการ
    • การให้คะแนนแบบสัมบูรณ์ 1 ต่อ 10
    • ค่าพิกเซลดิบ
    • การวัดอนุกรมเวลา
  2. ในแบรดลีย์-เทอร์รี่ ความน่าจะเป็นที่ A ชนะ B เป็นฟังก์ชันของอะไร
    • ผลคูณของคะแนนของพวกเขา
    • ลอจิสติกส์ของความแตกต่างระหว่างคะแนน
    • อัตราส่วนของการนับโทเค็น
    • คงที่ 50 เปอร์เซ็นต์โดยไม่คำนึงถึงคะแนน
  3. เหตุใดรางวัลของแบรดลีย์-เทอร์รี่จึงสามารถระบุได้เฉพาะค่าคงที่บวกเท่านั้น
    • เพราะคะแนนต้องรวมกันเป็นหนึ่ง
    • เพราะมนุษย์นับไม่ได้
    • เนื่องจากการแพ้ขึ้นอยู่กับผลต่างของคะแนนเท่านั้น
    • เพราะซิกมอยด์จะลบข้อมูลทั้งหมด
  4. อะไรคือการสูญเสียมาตรฐานสำหรับการเปรียบเทียบการตั้งค่าเดียวในการสร้างแบบจำลองรางวัล?
    • ค่าคลาดเคลื่อนกำลังสองเฉลี่ยเทียบกับป้ายกำกับ 1 ถึง 10
    • ข้ามเอนโทรปีเหนือคำศัพท์เต็ม
    • ความแตกต่างสัมบูรณ์ของความยาวโทเค็น
    • log-sigmoid เชิงลบของ (รางวัลของที่เลือกลบรางวัลของถูกปฏิเสธ)
  5. วิธีใดที่ข้ามรูปแบบการให้รางวัลที่แยกจากกันโดยการเพิ่มประสิทธิภาพวัตถุประสงค์ของแบรดลีย์-เทอร์รี่ในนโยบายโดยตรง
    • การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง (DPO)
    • การเพิ่มประสิทธิภาพนโยบายใกล้เคียง (PPO)
    • การทำให้เป็นมาตรฐานแบบแบตช์
    • การตัดแบบไล่ระดับสี
  6. ข้อจำกัดที่สำคัญของสมมติฐานของแบรดลีย์-เทอร์รีคืออะไร?
    • ต้องใช้ GPU ในการคำนวณ
    • โดยถือว่าการจัดอันดับแบบสกรรมกริยาเดียวที่สอดคล้องกันซึ่งสามารถแตกหักได้เมื่อรอบการกำหนดลักษณะ
    • มันใช้งานได้กับภาพเท่านั้น
    • ไม่สามารถจัดการได้มากกว่าสามรายการเลยทีเดียว
  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