Mirostat Perplexity Kontrol Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. What does Mirostat try to control during generation?
   • A target level of output perplexity or surprise
   • Model parametrelerinin sayısı
   • The training dataset size
   • GPU sıcaklığı
2. Mirostat'ın standart üst-k veya üst-p örneklemesinden temel olarak farkı nedir?
   • Asla rastgelelik kullanmaz
   • Sabit bir kesme yerine geri bildirimi kullanarak kesmeyi dinamik olarak ayarlar
   • Yalnızca görseller üzerinde çalışır
   • Modelin yeniden eğitilmesini gerektirir
3. Mirostat'ta eta parametresinin rolü nedir?
   • Kelime boyutunu ayarlar
   • Çıkış uzunluğunu sabitler
   • Eşiğin ne kadar hızlı uyum sağladığını kontrol eden öğrenme oranıdır
   • Örneklemeyi devre dışı bırakır
4. Mirostat sürüm 2'nin sürüm 1'e göre ana gelişimi nedir?
   • Görüntüler de üretiyor
   • Daha fazla hafıza gerektirir
   • Tau parametresini kaldırır
   • Daha basit, daha sağlam kontrol için Zipfian dağılımı varsayımını düşürür
5. Mirostat çıktının fazla öngörülebilir hale geldiğini tespit ederse:
   • Daha çeşitli belirteçlerin kabul edilmesi için kısaltmayı gevşetin
   • Daha az jetona izin vermek için kesmeyi sıkılaştırın
   • Oluşturmayı hemen durdurun
   • Model boyutunu artırın
6. Which Mirostat settings does current llama.cpp expose?
   • Tokenizer vocabulary and number of layers
   • Mode, target tau, and learning-rate eta
   • Only the prompt length
   • Training epochs and validation loss
7. What does eta control in Mirostat’s feedback update?
   • The size of the model vocabulary
   • The target number of output tokens
   • How strongly the threshold changes in response to the observed error
   • The probability of a correct factual answer
8. What does a Mirostat target not guarantee by itself?
   • That the sampler reads token probabilities
   • That the setting can influence surprise
   • That the output contains tokens
   • That the generated text is factually correct