Reddetme Örnekleme İnce Ayar Testi

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Hangi döngü, Reddetme Örneklemesi İnce Ayarının bir modeli nasıl iyileştirdiğini en iyi şekilde açıklar?
   • Birçok aday yanıtı oluşturun, en iyi puanı alan yanıtları saklayın ve bunlar üzerinde yeniden eğitim alın
   • En kötü performans gösteren model katmanlarını silin
   • Tüm eğitim verilerini reddedin ve baştan başlayın
   • Bir kez örnek alın ve her zaman çıktıyı kabul edin
2. Matematik veya kod gibi doğrulanabilir alanlarda ödül olarak ne işe yarayabilir?
   • Yalnızca öğrenilmiş bir ödül modeli
   • Cevabın doğru olup olmadığı veya testlerin geçip geçmediği
   • Yanıtın uzunluğu
   • Üretilen jeton sayısı
3. Which model family does the cited paper describe using rejection sampling in its alignment pipeline?
   • GPT-4o
   • BERT Base
   • Meta’s Llama 2-Chat
   • Whisper Large
4. Why might a team choose rejection-sampling fine-tuning over a policy-gradient approach for some tasks?
   • It never needs a candidate generator or scoring rule
   • It guarantees no reward hacking
   • It always requires less compute than every RL method
   • It can use supervised learning on selected generations instead of updating through policy-gradient RL
5. Maksimum ödül örneklerine ilişkin eğitim etkili bir şekilde ne işe yarar?
   • N'nin en iyi kalitesini modelin tek örnek çıktılarına damıtır
   • Kelime dağarcığının boyutunu artırır
   • Modelin metin oluşturma yeteneğini kaldırır
   • Parametre sayısını iki katına çıkarır
6. What should teams monitor when repeatedly fine-tuning on filtered model-generated outputs?
   • Yalnızca model parametrelerinin sayısı
   • Output diversity alongside held-out correctness
   • Whether every answer uses the same wording
   • Only the training loss on selected samples
7. What is a limitation of rejection-sampling fine-tuning’s candidate selection?
   • It can only be used with image labels
   • It always changes the tokenizer
   • It cannot train on a high-quality answer that was never generated or retained
   • It makes the scoring function unnecessary
8. What risk arises if the scoring model used to filter candidates is flawed?
   • The policy becomes unable to generate any text
   • The tokenizer automatically changes vocabulary
   • The reference labels become unnecessary
   • The policy may learn to exploit the scorer rather than improve the intended quality