- 실행기
-
학습
Python 배우기 실행 가능한 예제, NumPy, pandas 등 AI / 머신러닝 배우기신경망, 머신러닝, LLM을 처음부터 C/C++ 배우기 포인터, 메모리, STL, 모던 C++ C# 배우기C# 기초, OOP, LINQ, async 및 .NET 연습 Matplotlib 배우기선, 막대, 산점도, 원 그래프를 시각화 도구와 함께 Rust 배우기소유권, 트레이트, 오류 처리, 스레드 Go 배우기슬라이스, 인터페이스, 고루틴, 채널 Python 알고리즘 검색, 정렬, 재귀와 시각화 도구 O(n) C/C++ 알고리즘 C와 C++ 구현 비교 어린이 코딩 놀면서 코딩을 배워요!
- 퀴즈NEW
- 문제NEW
- 교사용NEW
- 업데이트
- 커피 한 잔 사 주기
AI & Machine Learning 퀴즈: 온도, Top-k, Top-p
샘플링 설정은 모델의 출력이 얼마나 예측 가능하거나 창의적일지를 결정합니다. 이 퀴즈는 몇 가지 작은 숫자를 직접 계산해 보면서 온도(temperature)가 확률에 어떤 영향을 주는지, top-k와 top-p(nucleus) 샘플링이 토큰을 어떻게 걸러 내는지, 어떤 작업에 어떤 설정이 맞는지 확인합니다.
예시 문제
10문제 중 1번온도는 수학적으로 무엇을 할까요?
정답 보기
B. 소프트맥스 전에 로짓을 온도로 나누어 확률 분포를 뾰족하게 하거나 평평하게 한다 확률은 softmax(logits / T)입니다. 온도가 1보다 작으면 분포가 더 뾰족해지고, 1보다 크면 더 평평해집니다. 가중치와 입력은 그대로입니다.
이 퀴즈에서 다루는 내용
- 소프트맥스 전에 로짓을 나누는 것으로서의 온도
- 낮은 온도와 높은 온도, 0에 가까운 온도
- 재정규화를 포함한 top-k와 top-p(nucleus) 샘플링
- 추출 작업과 브레인스토밍에 맞는 설정 고르기
- 반복 페널티와 빈도 페널티
자주 묻는 질문
계정이 필요한가요?
아니요. 누구나 플레이할 수 있어요. 로그인하면 XP, 연속 기록, 배지, 기록이 저장돼요.
다시 풀 수 있나요?
네. 최고 점수가 저장되고, 문제와 보기는 매번 섞여서 나와요.