แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการเพิ่มประสิทธิภาพ Kahneman-Tversky

ตรวจสอบผลตอบรับความปรารถนาแบบไบนารีของ KTO แรงจูงใจทางทฤษฎีผู้มีโอกาสเป็นลูกค้า รางวัลจุดอ้างอิง และขีดจำกัดในการตั้งค่า

เส้นทางแนะนำที่เกี่ยวข้องการเพิ่มประสิทธิภาพของ Kahneman Tversky
คำถาม 1 ของ 8

KTO ต้องการข้อมูลประเภทใด?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. KTO ต้องการข้อมูลประเภทใด?
    • ฉลากไบนารีที่พึงประสงค์/ไม่พึงประสงค์บนเอาต์พุตแต่ละรายการ
    • จัดอันดับคู่คำตอบที่เลือกและปฏิเสธ
    • เฉพาะข้อความที่ไม่มีป้ายกำกับ
    • คะแนนรางวัลตัวเลขตั้งแต่ 0 ถึง 100
  2. KTO ได้รับแรงบันดาลใจจากผลงานชิ้นไหน?
    • ทฤษฎีสัมพัทธภาพของไอน์สไตน์
    • ทฤษฎีโอกาสของคาห์เนมานและทเวอร์สกี
    • วิวัฒนาการของดาร์วิน
    • ทฤษฎีสารสนเทศของแชนนอน
  3. 'ความเกลียดชังการสูญเสีย' ที่ใช้ใน KTO คืออะไร
    • หลีกเลี่ยงฟังก์ชันการสูญเสียใด ๆ โดยสิ้นเชิง
    • ปฏิเสธที่จะฝึกกับการสูญเสีย
    • การลงโทษผลลัพธ์ที่ไม่พึงประสงค์นั้นรุนแรงกว่าการให้รางวัลที่พึงปรารถนา
    • ทำให้อัตราการเรียนรู้ติดลบ
  4. 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
  5. ใน KTO ค่าเบี่ยงเบนวัดสัมพันธ์กับอะไร?
    • จุดอ้างอิงหรือระดับรางวัลพื้นฐาน
    • จำนวนพารามิเตอร์ทั้งหมด
    • อุณหภูมิของ GPU
    • ขนาดคำศัพท์
  6. 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
  7. 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
  8. Which behavioral-economics framework motivates KTO?
    • Classical signal detection theory
    • Bayesian network structure learning
    • The efficient-market hypothesis
    • Kahneman and Tversky’s prospect theory