Oran Oranı Tercih Optimizasyonu Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. ORPO'nun DPO gibi yöntemlere göre temel pratik avantajı nedir?
   • Ayrı bir referans model ihtiyacını ortadan kaldırır
   • Hiçbir eğitim verisine ihtiyaç duymaz
   • Yalnızca görüntü modellerinde çalışır
   • Sıfır halüsinasyonu garanti eder
2. ORPO'daki 'olasılık oranı' neyi karşılaştırır?
   • Eğitim hızına karşı doğruluk
   • Seçilen yanıtın reddedilen yanıta oranı
   • İki farklı öğrenme oranı
   • Model boyutu ve veri kümesi boyutu
3. What form does an ORPO preference example contain?
   • Only a single unlabeled response
   • A prompt with two identical completions
   • A prompt with one chosen response and one disfavored response
   • A reward score with no associated responses
4. How does ORPO convert a response probability p into odds?
   • One minus p divided by p
   • The square root of p
   • The logarithm of the prompt length
   • p divided by one minus p
5. ORPO kaybı en iyi şekilde hangi kombinasyonla tanımlanır?
   • SFT çapraz entropi artı ağırlıklı olasılık oranı tercih terimi
   • Yalnızca ödül modeli puanı
   • Saf bir takviye-öğrenme dönüşü
   • Rastgele gürültü enjeksiyonu
6. Which response receives the supervised fine-tuning component of ORPO?
   • Only the rejected response
   • The chosen or preferred response
   • A response sampled after deployment
   • No response; ORPO has no language-modeling term
7. Which parameter controls the weight of ORPO’s preference term relative to the supervised loss?
   • Tokenizer kelime boyutu
   • Dikkat kafalarının sayısı
   • The preference-loss coefficient
   • The prompt’s character count
8. Why should an ORPO result report its preference data and evaluation setup?
   • ORPO results are identical across datasets
   • The objective removes the need for evaluation
   • The number of model layers determines every preference
   • Outcomes depend on the dataset, coefficient, base model, and evaluation