引导式测验 · 中等 等级

Kahneman-Tversky 优化测验

检查 KTO 的二元合意性反馈、前景理论动机、参考点奖励以及跨设置的限制。

相关引导路径卡尼曼特沃斯基优化
问题 1 的 8

KTO 需要什么样的数据？

预览每个问题8 问题

当您参加测验时，就会出现答案和解释。

  1. KTO 需要什么样的数据？
    • 各个输出上的二进制所需/不需要的标签
    • 对选定和拒绝的答案对进行排名
    • 仅未标记的文本
    • 数字奖励分数从 0 到 100
  2. KTO 的灵感来自于哪些作品？
    • 爱因斯坦的相对论
    • 卡尼曼和特沃斯基的前景理论
    • 达尔文的进化论
    • 香农信息论
  3. KTO 中使用的“损失厌恶”是什么？
    • 完全避免任何损失函数
    • 拒绝接受损失训练
    • 惩罚不良产出比奖励理想产出更为严厉
    • 使学习率为负值
  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. 在 KTO 中，偏差是相对于什么来测量的？
    • 参考点或基线奖励水平
    • 参数总数
    • GPU温度
    • 词汇量大小
  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