แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการสร้างแบบจำลองรางวัลแบรดลีย์-เทอร์รี่
ทำความเข้าใจว่าแบรดลีย์-เทอร์รี่เปลี่ยนตัวเลือกแบบคู่ให้เป็นคะแนน สนับสนุนการสร้างแบบจำลองรางวัล และเกี่ยวข้องกับระบบการจัดอันดับทั่วไปได้อย่างไร
คำถาม 1 ของ 8
แบบจำลองแบรดลีย์-เทอร์รี่แปลงเป็นคะแนนตัวเลขเท่าใด
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- แบบจำลองแบรดลีย์-เทอร์รี่แปลงเป็นคะแนนตัวเลขเท่าใด
- การเปรียบเทียบแบบคู่ว่ารายการไหนเป็นที่ต้องการ
- การให้คะแนนแบบสัมบูรณ์ 1 ต่อ 10
- ค่าพิกเซลดิบ
- การวัดอนุกรมเวลา
- ในแบรดลีย์-เทอร์รี่ ความน่าจะเป็นที่ A ชนะ B เป็นฟังก์ชันของอะไร
- ผลคูณของคะแนนของพวกเขา
- ลอจิสติกส์ของความแตกต่างระหว่างคะแนน
- อัตราส่วนของการนับโทเค็น
- คงที่ 50 เปอร์เซ็นต์โดยไม่คำนึงถึงคะแนน
- เหตุใดรางวัลของแบรดลีย์-เทอร์รี่จึงสามารถระบุได้เฉพาะค่าคงที่บวกเท่านั้น
- เพราะคะแนนต้องรวมกันเป็นหนึ่ง
- เพราะมนุษย์นับไม่ได้
- เนื่องจากการแพ้ขึ้นอยู่กับผลต่างของคะแนนเท่านั้น
- เพราะซิกมอยด์จะลบข้อมูลทั้งหมด
- อะไรคือการสูญเสียมาตรฐานสำหรับการเปรียบเทียบการตั้งค่าเดียวในการสร้างแบบจำลองรางวัล?
- ค่าคลาดเคลื่อนกำลังสองเฉลี่ยเทียบกับป้ายกำกับ 1 ถึง 10
- ข้ามเอนโทรปีเหนือคำศัพท์เต็ม
- ความแตกต่างสัมบูรณ์ของความยาวโทเค็น
- log-sigmoid เชิงลบของ (รางวัลของที่เลือกลบรางวัลของถูกปฏิเสธ)
- วิธีใดที่ข้ามรูปแบบการให้รางวัลที่แยกจากกันโดยการเพิ่มประสิทธิภาพวัตถุประสงค์ของแบรดลีย์-เทอร์รี่ในนโยบายโดยตรง
- การเพิ่มประสิทธิภาพการตั้งค่าโดยตรง (DPO)
- การเพิ่มประสิทธิภาพนโยบายใกล้เคียง (PPO)
- การทำให้เป็นมาตรฐานแบบแบตช์
- การตัดแบบไล่ระดับสี
- ข้อจำกัดที่สำคัญของสมมติฐานของแบรดลีย์-เทอร์รีคืออะไร?
- ต้องใช้ GPU ในการคำนวณ
- โดยถือว่าการจัดอันดับแบบสกรรมกริยาเดียวที่สอดคล้องกันซึ่งสามารถแตกหักได้เมื่อรอบการกำหนดลักษณะ
- มันใช้งานได้กับภาพเท่านั้น
- ไม่สามารถจัดการได้มากกว่าสามรายการเลยทีเดียว
- 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
- 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