Rehber bağlantılı sınav · Sert Seviye

Minimum Bayes Riski Çözme Sınavı

MBR kod çözmenin beklenen faydasını, örneklenmiş sözde referansları, ikinci dereceden aday karşılaştırmalarını, metrik limitlerini ve aday havuzu kısıtlamalarını test eder.

İlgili kılavuz yollarıMinimum Bayes Risk Kod Çözme
Soru 1 arasında 8

MBR kod çözme, en olası tek sıra yerine neyi seçer?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. MBR kod çözme, en olası tek sıra yerine neyi seçer?
    • Diğer olası çıktılara göre beklenen en yüksek faydaya sahip aday
    • En kısa dizi
    • Rastgele bir örnek
    • En uzun dizi
  2. Gerçek referanslar mevcut olmadığından MBR sahte referanslar olarak ne kullanır?
    • Sabit bir dış yapı
    • Örneklenmiş aday havuzunun kendisi çıktılar
    • İnsan ek açıklamaları
    • Eğitim seti
  3. Saf MBR neden hesaplama açısından pahalıdır?
    • Modelin yeniden eğitilmesini gerektirir
    • Daha geniş bir kelime dağarcığına ihtiyacı var
    • N adayın ikili karşılaştırması O(N kare) metrik çağrılardır
    • GPU kullanmaz
  4. COMET minimum Bayes riskli makine çevirisi deneylerinde ne için kullanıldı?
    • Daha iyi çeviri kalitesinin evrensel garantisi olarak
    • Aday havuzu için tokenizer olarak
    • Tam bir referans çevirisi olarak çıkarımda mevcuttur
    • Değerlendirilen çeviri ayarlarında öğrenilmiş bir fayda ölçüsü olarak
  5. Muhakemede kendi kendine tutarlılık MBR ile ilgilidir çünkü:
    • Pek çok zinciri örnekler ve üzerinde en çok uzlaşılan cevabı seçer
    • Her zaman ilk örnek yanıtı alır
    • Işın aramasını dahili olarak kullanır
    • Modelin dağılımını göz ardı eder
  6. Minimum Bayes riski karar alma sürecinde risk genel olarak nasıl ifade edilir?
    • Her zaman bir eksi normalleştirilmiş benzerlik puanı
    • Seçilen bir kayıp fonksiyonu ve referans dağılımı altında beklenen kayıp
    • Modelin parametre sayısının doğruluğa bölümü
    • Örneklenen aday sayısı
  7. Seçilen fayda ölçütü insan yargılarıyla uyuşmuyorsa MBR öncelikli olarak neyi optimize edecek?
    • İnsan tercihi otomatik olarak ölçümü geçersiz kılar
    • Modelin ham sonraki token olasılığı
    • Seçilen ölçüm kapsamında beklenen fayda
    • Havuzdaki en kısa aday
  8. Örneklenen aday havuzunda yüksek kaliteli bir yanıt eksikse MBR ne yapabilir?
    • Eksik cevabın oluşturulduğunu garanti eder
    • Cevabı eklemek için model ağırlıklarını değiştirir
    • Fayda ölçüsünü insan referansıyla değiştirir
    • Yalnızca havuzdaki adayları seçebilir veya yeniden sıralayabilir