Nucleus ve Top-k Örnekleme Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Top-k örnekleme token seçimlerini nasıl kısıtlıyor?
   • Yalnızca en yüksek olasılıklı tokenleri tutar, ardından aralarından örnekler alır
   • Kümülatif olasılık k değerini aşana kadar jetonları tutar
   • Her zaman en olası tek jetonu seçer
   • Yalnızca en az olası k jetonu kaldırır
2. Çekirdek (top-p) örneklemesinde 'çekirdek'i ne tanımlar?
   • Eğitim verilerinde en sık kullanılan k kelime
   • Olasılıkları toplamı en az p olan en küçük jeton seti
   • En yüksek olasılığa sahip tek token
   • Olasılığı %50'nin üzerinde olan tüm tokenlar
3. Top-p'nin top-k'ye göre temel avantajı nedir?
   • Hesaplamak her zaman daha hızlıdır
   • Hiçbir zaman rastgele çıktı üretmez
   • Aday tokenlerin sayısı modelin güvenine uyum sağlar
   • Belirteç olasılıklarını göz ardı eder
4. Sıcaklık parametresi numune almadan önce ne yapar?
   • Maksimum dizi uzunluğunu ayarlar
   • Çıkış dilini seçer
   • Kelime boyutunu sayar
   • Olasılık dağılımını daha keskin veya daha düz olacak şekilde yeniden ölçeklendirir
5. What result did the nucleus-sampling paper report for its tested open-ended generation tasks?
   • It improved diversity without sacrificing fluency and coherence in the reported comparisons
   • It guaranteed factual correctness in every output
   • It eliminated all sampling randomness
   • It improved translation quality on every benchmark
6. For a greedy decoding baseline with no token sampling, how should generation be configured?
   • Disable sampling and use greedy decoding to select the highest-probability token at each step
   • Use high temperature and a large nucleus threshold
   • Randomize the temperature at every step
   • Keep sampling enabled but increase top-p
7. After top-k truncation removes tokens, what happens to the remaining sampling probabilities?
   • They remain assigned their original total mass below one
   • They are replaced with equal probabilities
   • They are renormalized over the retained top-k tokens
   • They are converted into beam-search scores
8. What did Holtzman et al. report about likelihood-maximizing decoding for open-ended text?
   • It always yields the most diverse human-like passages
   • Bir dil modeline olan ihtiyacı ortadan kaldırır
   • It guarantees factual correctness
   • It can produce bland and repetitive text despite strong likelihood scores