- Ausführende
-
Lernen
Python lernen Ausführbare Beispiele, NumPy, pandas und mehr KI / Machine Learning lernenNeuronale Netze, ML und LLMs von Grund auf C/C++ lernen Zeiger, Speicher, STL und modernes C++ C# lernenC#-Grundlagen, OOP, LINQ, Async und .NET-Übungen Matplotlib lernenLinien-, Balken-, Streu- und Kreisdiagramme mit interaktiven Visualisierungen Rust lernenOwnership, Traits, Fehlerbehandlung und Threads Go lernenSlices, Interfaces, Goroutinen und Channels Python-Algorithmen Suche, Sortierung, Rekursion und Visualisierungen O(n) C/C++-Algorithmen Implementierungen in C und C++ vergleichen Programmieren für Kinder Spielend programmieren lernen!
- QuizzeNeu
- AufgabenNeu
- Für LehrkräfteNeu
- Aktualisierungen
- Spendier mir einen Kaffee
AI & Machine Learning-Quiz: Temperature, Top-k & Top-p
Sampling settings decide how predictable or creative a model's output is. This quiz checks what temperature does to the probabilities, how top-k and top-p (nucleus) sampling filter tokens, and which settings suit which tasks, with a few small numbers to work out.
Beispielfrage
Frage 1 von 10What does temperature do mathematically?
Lösung zeigen
B. It divides the logits by the temperature before softmax, sharpening or flattening the probabilities Probabilities are softmax(logits / T). A temperature below 1 makes the distribution peakier, above 1 makes it flatter; the weights and the input stay the same.
Darum geht es in diesem Quiz
- Temperature as dividing the logits before softmax
- Low vs high temperature, and temperature near 0
- Top-k and top-p (nucleus) sampling with renormalization
- Choosing settings for extraction vs brainstorming
- Repetition and frequency penalties
Häufige Fragen
Brauche ich ein Konto?
Nein. Jeder kann spielen. Mit Anmeldung werden XP, Serie, Abzeichen und Verlauf gespeichert.
Kann ich es wiederholen?
Ja. Dein Bestwert bleibt erhalten, und Fragen und Antworten werden jedes Mal neu gemischt.