- Ejecutores
-
Aprender
Aprender Python Ejemplos ejecutables, NumPy, pandas y más Aprender IA / Machine LearningRedes neuronales, ML y LLM desde cero Aprender C y C++ Punteros, memoria, STL y C++ moderno Aprender C#Fundamentos, POO, LINQ, async y ejercicios de .NET Aprender MatplotlibGráficos de líneas, barras, dispersión y sectores con visualizadores Aprender RustOwnership, traits, manejo de errores e hilos Aprender GoSlices, interfaces, goroutines y canales Algoritmos en Python Búsqueda, ordenación, recursión y visualizadores O(n) Algoritmos en C y C++ Compara implementaciones en C y C++ Programación para niños ¡Aprende a programar jugando!
- QuizzesNuevo
- RetosNuevo
- Para docentesNuevo
- Actualizaciones
- Invítame a un café
Quiz de AI & Machine Learning: Temperatura, top-k y top-p
Los ajustes de muestreo deciden lo predecible o creativa que es la salida de un modelo. Este quiz comprueba qué hace la temperatura con las probabilidades, cómo filtran tokens el muestreo top-k y el top-p (nucleus sampling) y qué ajustes convienen a cada tarea, con algunos números pequeños que calcular.
Pregunta de ejemplo
Pregunta 1 de 10¿Qué hace la temperatura, matemáticamente?
Ver la respuesta
B. Divide los logits por la temperatura antes de softmax, lo que afila o aplana las probabilidades Las probabilidades son softmax(logits / T). Una temperatura por debajo de 1 hace la distribución más puntiaguda y por encima de 1 la aplana; los pesos y la entrada no cambian.
Qué cubre este quiz
- La temperatura como división de los logits antes de softmax
- Temperatura baja frente a alta, y temperatura cercana a 0
- Muestreo top-k y top-p (nucleus) con renormalización
- Elegir ajustes para extracción frente a lluvia de ideas
- Penalizaciones por repetición y por frecuencia
Preguntas frecuentes
¿Necesito una cuenta?
No. Cualquiera puede jugar. Inicia sesión para guardar tu XP, racha, insignias e historial.
¿Puedo repetirlo?
Sí. Se guarda tu mejor puntuación, y las preguntas y respuestas se mezclan cada vez.