Logit Önyargı Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Logit yanlılığı neyi değiştirir?
   • Örneklemeden önce belirli belirteçlerin puanı (logit)
   • Modelin eğitim ağırlıkları kalıcı olarak
   • Tüm istemin sıcaklığı
   • Bağlam penceresindeki belirteçlerin sayısı
2. Pek çok API'de, bir belirteçteki -100'lük logit sapması ne işe yarar?
   • Belirteci 100 kat daha olası hale getirir
   • Belirtecin oluşturulmasını etkili bir şekilde yasaklar
   • Belirteci sözlükten sonsuza kadar siler
   • Modelin hızını iki katına çıkarır
3. What numeric range does the documented OpenAI Chat Completions logit_bias accept for a token?
   • From 0 to 1 only
   • From -1 to 1 only
   • From -100 to 100
   • Any string value
4. Logit yanlılığı hangi tanımlayıcıya bağlıdır?
   • Düz metin sözcüğü
   • Cümle konumu
   • Modelin adı
   • Sayısal belirteç kimliği
5. Logitler bir softmax'tan geçtiği için pozitif bir önyargı eklemenin etkisi nedir?
   • Normalleşmeden önce tokenın göreceli ağırlığını katlanarak artırır
   • Doğrusal olarak sabit bir olasılık ekler
   • Antrenmana kadar etkisi yok
   • Belirteci değerlendirmeden kaldırır
6. Logit yanlılığının ince ayara göre önemli bir avantajı şudur:
   • Modelin bilgisini kalıcı olarak geliştirir
   • Yeniden eğitim gerektirmez ve istek başına uygulanır
   • Bağlam penceresi boyutunu artırır
   • Yalnızca görsellerde çalışır
7. Why should a developer inspect the tokenizer before applying a bias to a visible word?
   • Token IDs are assigned only after sampling
   • Visible words always equal one token
   • The word may be represented by several token IDs, so biasing one ID may not cover all forms
   • The tokenizer controls the model’s training data
8. What is a practical risk of applying a strong positive bias to one token?
   • It increases the context window
   • It changes the model weights permanently
   • It guarantees the token appears exactly once
   • It can distort generation or produce repetitive, awkward text