Karşılaştırmalı Kod Çözme Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Karşılaştırmalı kod çözmede küçük 'amatör' modelin rolü nedir?
   • Paylaşılan hata modlarını bastırmak için günlük olasılıkları çıkarılır
   • Nihai çıktı metnini doğrudan oluşturur
   • Uzmanın hatalarına göre ince ayar yapılmıştır
   • Uzman kararsız kaldığında uzmanın yerine geçer
2. Amatörün olasılıklarını çıkarmak neden tekrarı ve yavan çıktıyı azaltıyor?
   • Amatör, kelimeleri asla tekrarlamamak üzere eğitilir
   • Genel ve tekrarlayan belirteçler her iki model tarafından da tercih edilir, dolayısıyla kontrast bunları iptal eder
   • Amatör, nesilden sonra yinelenen jetonları siler
   • İki model oy verdiğinde tekrarlama mümkün değildir
3. What does the adaptive plausibility constraint do in contrastive decoding?
   • It guarantees every remaining continuation is coherent and true
   • It replaces the expert distribution with the amateur distribution
   • It filters out candidates whose expert probability is too low relative to the expert’s top token
   • It forces every token to have equal probability
4. Karşılaştırmalı kod çözmede puanlama formülü kabaca nedir?
   • log p_amatör eksi log p_expert
   • p_expert kere p_amateur
   • İki olasılığın ortalaması
   • log p_expert eksi a katsayısı çarpı log p_amateur
5. Karşılaştırmalı kod çözmenin önemli bir pratik avantajı şudur:
   • Ekstra eğitim gerektirmeden çıkarım zamanında çalışır
   • Her iki modelin ortaklaşa yeniden eğitilmesini gerektirir
   • Yalnızca sınıflandırma görevlerinde çalışır
   • Büyük model ihtiyacını ortadan kaldırır
6. Daha sonraki hangi yöntem karşılaştırmalı fikri tek bir modelin kendi katmanlarına genişletir?
   • Işın arama
   • Erken ve geç katmanları karşılaştıran DoLa
   • Açgözlü kod çözme
   • Sıcaklık ölçeklendirme
7. The expert assigns probability 0.4 to its top token and the plausibility threshold is 0.1 of that value. What is the minimum probability for a candidate to remain eligible?
   • 0.4
   • 0,1
   • 0.04
   • 0.004
8. Why can contrastive decoding require more inference work than using the expert model alone?
   • It must retrain both models for every prompt
   • It replaces the vocabulary with image patches
   • It runs only the amateur model
   • It scores candidates with both an expert and an amateur model at inference time