แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการเพิ่มประสิทธิภาพ Kahneman-Tversky
ตรวจสอบผลตอบรับความปรารถนาแบบไบนารีของ KTO แรงจูงใจทางทฤษฎีผู้มีโอกาสเป็นลูกค้า รางวัลจุดอ้างอิง และขีดจำกัดในการตั้งค่า
คำถาม 1 ของ 8
KTO ต้องการข้อมูลประเภทใด?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- KTO ต้องการข้อมูลประเภทใด?
- ฉลากไบนารีที่พึงประสงค์/ไม่พึงประสงค์บนเอาต์พุตแต่ละรายการ
- จัดอันดับคู่คำตอบที่เลือกและปฏิเสธ
- เฉพาะข้อความที่ไม่มีป้ายกำกับ
- คะแนนรางวัลตัวเลขตั้งแต่ 0 ถึง 100
- KTO ได้รับแรงบันดาลใจจากผลงานชิ้นไหน?
- ทฤษฎีสัมพัทธภาพของไอน์สไตน์
- ทฤษฎีโอกาสของคาห์เนมานและทเวอร์สกี
- วิวัฒนาการของดาร์วิน
- ทฤษฎีสารสนเทศของแชนนอน
- 'ความเกลียดชังการสูญเสีย' ที่ใช้ใน KTO คืออะไร
- หลีกเลี่ยงฟังก์ชันการสูญเสียใด ๆ โดยสิ้นเชิง
- ปฏิเสธที่จะฝึกกับการสูญเสีย
- การลงโทษผลลัพธ์ที่ไม่พึงประสงค์นั้นรุนแรงกว่าการให้รางวัลที่พึงปรารถนา
- ทำให้อัตราการเรียนรู้ติดลบ
- What kind of feedback can KTO learn from without requiring paired comparisons?
- Only a ranked list of five outputs
- Only a reference translation
- Only a token-level grammar mask
- A binary label indicating whether an individual output is desirable
- ใน KTO ค่าเบี่ยงเบนวัดสัมพันธ์กับอะไร?
- จุดอ้างอิงหรือระดับรางวัลพื้นฐาน
- จำนวนพารามิเตอร์ทั้งหมด
- อุณหภูมิของ GPU
- ขนาดคำศัพท์
- What does the KTO reference point help define?
- The number of transformer layers
- Whether an output’s implicit reward is above or below a baseline
- A fixed translation in another language
- The model’s maximum context length
- Does KTO’s use of binary desirability feedback prove it will outperform preference-pair methods?
- Yes, binary feedback is always superior
- Yes, it eliminates the need to train a model
- No; performance depends on the model, data, and evaluation setting
- No, because binary feedback cannot be used for language models
- Which behavioral-economics framework motivates KTO?
- Classical signal detection theory
- Bayesian network structure learning
- The efficient-market hypothesis
- Kahneman and Tversky’s prospect theory