اوڈس ریشو ترجیحی اصلاح کوئز

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

1. DPO جیسے طریقوں پر ORPO کا بنیادی عملی فائدہ کیا ہے؟
   • یہ ایک علیحدہ حوالہ ماڈل کی ضرورت کو ختم کرتا ہے۔
   • اس کے لیے کسی تربیتی ڈیٹا کی ضرورت نہیں ہے۔
   • یہ صرف تصویری ماڈلز پر کام کرتا ہے۔
   • یہ صفر فریب کی ضمانت دیتا ہے۔
2. ORPO میں 'مشکل تناسب' کا کیا موازنہ ہے؟
   • تربیت کی رفتار بمقابلہ درستگی
   • منتخب جواب کی مشکلات بمقابلہ مسترد جواب
   • سیکھنے کی دو مختلف شرحیں۔
   • ماڈل سائز بمقابلہ ڈیٹاسیٹ سائز
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 نقصان کو کس مرکب کے طور پر بہترین طور پر بیان کیا گیا ہے؟
   • SFT کراس اینٹروپی کے علاوہ ایک وزنی مشکلات کے تناسب کی ترجیحی اصطلاح
   • صرف ایک انعامی ماڈل سکور
   • ایک خالص کمک سیکھنے کی واپسی۔
   • بے ترتیب شور انجکشن
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?
   • ٹوکنائزر الفاظ کا سائز
   • توجہ دینے والے سروں کی تعداد
   • 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