引导式测验 · 硬 等级

Mirostat Perplexity 控制测验

涵盖 Mirostat 的目标惊讶/困惑、反馈阈值、更新率、版本差异和解码启发式限制。

相关引导路径Mirostat Perplexity 控制
问题 1 的 8

What does Mirostat try to control during generation?

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. What does Mirostat try to control during generation?
    • A target level of output perplexity or surprise
    • 模型参数个数
    • The training dataset size
    • GPU温度
  2. Mirostat 与标准 top-k 或 top-p 采样有何根本不同？
    • 它从不使用随机性
    • 它使用反馈而不是固定截止来动态调整截断
    • 它仅适用于图像
    • 需要重新训练模型
  3. 在Mirostat中，参数eta起什么作用？
    • 它设置词汇量大小
    • 它固定输出长度
    • 学习率控制阈值适应的速度
    • 它禁用采样
  4. Mirostat 版本 2 相对于版本 1 的主要改进是什么？
    • 它也生成图像
    • 它需要更多的内存
    • 它删除了 tau 参数
    • 它放弃了 Zipfian 分布的假设，以实现更简单、更稳健的控制
  5. 如果 Mirostat 检测到输出变得过于可预测，它将：
    • 放宽截断以接纳更多样化的标记
    • 收紧截断以允许更少的令牌
    • 立即停止发电
    • 增加模型尺寸
  6. Which Mirostat settings does current llama.cpp expose?
    • Tokenizer vocabulary and number of layers
    • Mode, target tau, and learning-rate eta
    • Only the prompt length
    • Training epochs and validation loss
  7. What does eta control in Mirostat’s feedback update?
    • The size of the model vocabulary
    • The target number of output tokens
    • How strongly the threshold changes in response to the observed error
    • The probability of a correct factual answer
  8. What does a Mirostat target not guarantee by itself?
    • That the sampler reads token probabilities
    • That the setting can influence surprise
    • That the output contains tokens
    • That the generated text is factually correct