Bài kiểm tra có liên kết hướng dẫn · Cứng Cấp độ

Câu đố giải mã rủi ro Bayes tối thiểu

Kiểm tra tiện ích dự kiến, tham chiếu giả được lấy mẫu, so sánh ứng viên bậc hai, giới hạn số liệu và các ràng buộc về nhóm ứng viên của giải mã MBR.

Đường dẫn hướng dẫn liên quanGiải mã rủi ro Bayes tối thiểu
Câu hỏi 1 của 8

Giải mã MBR chọn gì thay vì chuỗi có thể xảy ra nhất?

Xem trước mọi câu hỏi8 câu hỏi

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

  1. Giải mã MBR chọn gì thay vì chuỗi có thể xảy ra nhất?
    • Ứng viên có hữu dụng được kỳ vọng cao nhất so với các kết quả đầu ra có thể có khác
    • Trình tự ngắn nhất
    • Một mẫu ngẫu nhiên
    • Trình tự dài nhất
  2. Vì các tham chiếu thực không có sẵn nên MBR sử dụng cái gì làm tham chiếu giả?
    • Một cơ thể bên ngoài cố định
    • Nhóm ứng viên được lấy mẫu tự đưa ra kết quả
    • Chú thích của con người
    • Bộ đào tạo
  3. Tại sao MBR ngây thơ lại đắt về mặt tính toán?
    • Nó đòi hỏi phải đào tạo lại mô hình
    • Nó cần một vốn từ vựng lớn hơn
    • So sánh theo cặp của N ứng cử viên là lệnh gọi số liệu O(N bình phương)
    • Nó không sử dụng GPU
  4. What has COMET been used for in minimum Bayes risk machine-translation experiments?
    • As a universal guarantee of better translation quality
    • As a tokenizer for the candidate pool
    • As an exact reference translation available at inference
    • As a learned utility metric in evaluated translation settings
  5. Tính tự nhất quán trong lý luận liên quan đến MBR vì nó:
    • Lấy mẫu nhiều chuỗi và chọn câu trả lời được thống nhất nhất
    • Luôn lấy câu trả lời mẫu đầu tiên
    • Sử dụng tìm kiếm chùm tia nội bộ
    • Bỏ qua phân phối của mô hình
  6. How is risk generally expressed in minimum Bayes risk decision-making?
    • Always one minus a normalized similarity score
    • Expected loss under a chosen loss function and reference distribution
    • The model’s parameter count divided by accuracy
    • The number of candidates sampled
  7. If the chosen utility metric disagrees with human judgments, what will MBR primarily optimize?
    • Human preference automatically overrides the metric
    • The model’s raw next-token likelihood
    • The expected utility under that selected metric
    • The shortest candidate in the pool
  8. If a high-quality answer is missing from the sampled candidate pool, what can MBR do?
    • It guarantees the missing answer is generated
    • It changes the model weights to add the answer
    • It replaces the utility metric with a human reference
    • It can only select or rerank candidates that are in the pool