اختبار مرتبط بالدليل · متوسط المستوى
اللعب الذاتي مسابقة الضبط
استكشف اللعب الذاتي في Go والتدريب على نماذج اللغة، وقارن AlphaGo Zero مع AlphaZero، وافحص إشارات البيانات الثابتة ومخاطر البيانات الاصطناعية.
سؤال 1 من 8
ما هو النظام الشهير الذي وصل إلى لعبة Superhuman Go Play باستخدام اللعب الذاتي فقط وبدون سجلات لعب بشرية؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما هو النظام الشهير الذي وصل إلى لعبة Superhuman Go Play باستخدام اللعب الذاتي فقط وبدون سجلات لعب بشرية؟
- ألفا جو زيرو
- ديب بلو
- واتسون
- جي بي تي-2
- في SPIN، ما هو دور "الخصم" الذي يجب على النموذج التغلب عليه؟
- نموذج مكافأة منفصل مدرب على الإنسان
- نقطة التفتيش السابقة الخاصة بالنموذج والاستجابات المتولدة عنه
- مولد نص عشوائي
- الرمز المميز
- ما هي الميزة الرئيسية لكفاءة البيانات في الضبط الدقيق للتشغيل الذاتي؟
- يتطلب الأمر مجموعة بيانات بشرية جديدة تمامًا في كل جولة
- إنه يعمل فقط مع البيانات اللانهائية
- يمكنه استخلاص المزيد من المكاسب من مجموعة بيانات ثابتة بدون تسميات بشرية جديدة
- لا يحتاج إلى نموذج على الإطلاق
- في الهدف التدريبي لـ SPIN، ما هو النموذج الذي تم دفعه للقيام به؟
- تفضل الإجابات التي تم إنشاؤها الخاصة بها على المراجع البشرية
- تجاهل كافة البيانات البشرية
- حفظ مجموعة الاختبار
- تعيين احتمالية أعلى للاستجابات المرجعية البشرية مقارنة بمخرجاتها السابقة
- أي زوج من الألعاب أثبتت ورقة AlphaZero قدرتها عليه إلى جانب تجاربها في الغو؟
- Chess and shogi
- Poker and bridge
- Checkers and Othello
- Atari and StarCraft
- What risk did researchers report when language models are recursively trained on generated data?
- Model collapse, with loss of diversity and representation of the original distribution
- Guaranteed monotonic improvement at every iteration
- Automatic prevention of distribution shift
- A higher count of verified human labels
- What search component does AlphaGo Zero use alongside self-play?
- A nearest-neighbor lookup over human game records
- A language-model tokenizer
- Monte Carlo tree search guided by a policy and value network
- A fixed list of opening moves
- Why can automatic checkers be useful in self-play for math or code tasks?
- They guarantee that a model never learns incorrect strategies
- They replace the need for a task specification
- They make all generated examples independent of the model
- They can verify generated solutions without requiring a new human label for each attempt