بریڈلی ٹیری ریوارڈ ماڈلنگ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. بریڈلی-ٹیری ماڈل عددی اسکور میں کیا بدلتا ہے؟
   • جوڑے کے لحاظ سے موازنہ کریں کہ کس چیز کو ترجیح دی جاتی ہے۔
   • مطلق 1 سے 10 درجہ بندی
   • خام پکسل کی قدریں۔
   • ٹائم سیریز کی پیمائش
2. بریڈلی ٹیری میں، اس امکان کا کہ A بی کو دھڑکتا ہے کس چیز کا کام ہے؟
   • ان کے اسکور کی پیداوار
   • ان کے سکور کے درمیان فرق کی لاجسٹک
   • ان کے ٹوکن شمار کا تناسب
   • اسکور سے قطع نظر ایک مقررہ 50 فیصد
3. بریڈلی ٹیری انعامات صرف ایک اضافی مستقل تک کیوں قابل شناخت ہیں؟
   • کیونکہ اسکور کا مجموعہ ایک ہونا چاہیے۔
   • کیونکہ انسان شمار نہیں کر سکتا
   • کیونکہ نقصان صرف اسکور کے فرق پر منحصر ہے۔
   • کیونکہ سگمائڈ تمام معلومات کو ہٹا دیتا ہے۔
4. انعامی ماڈلنگ میں واحد ترجیحی موازنہ کے لیے معیاری نقصان کیا ہے؟
   • 1 سے 10 لیبل کے مقابلے میں مربع کی خرابی کا مطلب ہے۔
   • مکمل الفاظ پر کراس اینٹروپی
   • ٹوکن کی لمبائی کا مطلق فرق
   • کا منفی لاگ سگمائڈ (منتخب شدہ کا انعام منفی کا انعام)
5. کون سا طریقہ براہ راست پالیسی پر Bradley-Terry مقصد کو بہتر بنا کر ایک الگ انعامی ماڈل کو چھوڑ دیتا ہے؟
   • براہ راست ترجیحی اصلاح (DPO)
   • پراکسیمل پالیسی آپٹیمائزیشن (PPO)
   • بیچ نارملائزیشن
   • تدریجی تراشنا
6. بریڈلی ٹیری مفروضے کی ایک اہم حد کیا ہے؟
   • اسے حساب کرنے کے لیے GPUs کی ضرورت ہوتی ہے۔
   • یہ ایک واحد مستقل، عبوری درجہ بندی فرض کرتا ہے جو ترجیحات کے چکر میں ٹوٹ سکتا ہے۔
   • یہ صرف تصاویر پر کام کرتا ہے۔
   • یہ کبھی بھی تین سے زیادہ اشیاء کو نہیں سنبھال سکتا
7. Why can pairwise judgments be easier to collect than absolute quality scores?
   • Pairwise choices never contain disagreement
   • Absolute scores cannot be used for training
   • A rater can compare two candidates directly without calibrating a numeric scale
   • A pairwise label reveals every feature of the reward model
8. Which familiar ranking system is mathematically related to Bradley-Terry-style pairwise scoring?
   • PageRank for web pages
   • TF-IDF for document terms
   • A Fourier transform for audio
   • Elo ratings