Kahneman-Tversky آپٹیمائزیشن کوئز

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

1. KTO کو کس قسم کے ڈیٹا کی ضرورت ہے؟
   • انفرادی آؤٹ پٹس پر بائنری مطلوبہ/ناپسندیدہ لیبلز
   • منتخب اور مسترد کردہ جوابات کے جوڑے کی درجہ بندی
   • صرف بغیر لیبل والا متن
   • 0 سے 100 تک کے عددی انعام کے اسکور
2. KTO کام کے کس جسم سے متاثر ہے؟
   • آئن سٹائن کی اضافیت
   • کاہنی مین اور ٹورسکی کا امکانی نظریہ
   • ڈارون کا ارتقاء
   • شینن کی معلوماتی تھیوری
3. KTO میں استعمال ہونے والے 'نقصان سے بچنے' کیا ہے؟
   • کسی بھی نقصان کے کام سے مکمل طور پر بچنا
   • نقصانات پر تربیت دینے سے انکار
   • ناپسندیدہ نتائج پر زیادہ تیزی سے سزا دینا مطلوبہ کو انعام دینے سے زیادہ
   • سیکھنے کی شرح کو منفی بنانا
4. What kind of feedback can KTO learn from without requiring paired comparisons?
   • Only a ranked list of five outputs
   • Only a reference translation
   • Only a token-level grammar mask
   • A binary label indicating whether an individual output is desirable
5. کے ٹی او میں، انحراف کو کس چیز سے ماپا جاتا ہے؟
   • ایک حوالہ نقطہ یا بیس لائن انعام کی سطح
   • پیرامیٹرز کی کل تعداد
   • GPU درجہ حرارت
   • الفاظ کا حجم
6. What does the KTO reference point help define?
   • The number of transformer layers
   • Whether an output’s implicit reward is above or below a baseline
   • A fixed translation in another language
   • The model’s maximum context length
7. Does KTO’s use of binary desirability feedback prove it will outperform preference-pair methods?
   • Yes, binary feedback is always superior
   • Yes, it eliminates the need to train a model
   • No; performance depends on the model, data, and evaluation setting
   • No, because binary feedback cannot be used for language models
8. Which behavioral-economics framework motivates KTO?
   • Classical signal detection theory
   • Bayesian network structure learning
   • The efficient-market hypothesis
   • Kahneman and Tversky’s prospect theory