اختبار مرتبط بالدليل · صعب المستوى
أداة الاختبار والأداة التي يتم تدريسها ذاتيًا
يتحقق من توليد مكالمات Toolformer ذاتية الإشراف، التصفية المعتمدة على الخسارة، علامات API، الأدوات المختارة وخطوة التنعيد النهائي.
سؤال 1 من 8
ما الذي يجعل نهج Toolformer في استخدام أداة التعلم مميزًا؟
معاينة كل سؤال8 أسئلة
تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.
- ما الذي يجعل نهج Toolformer في استخدام أداة التعلم مميزًا؟
- يقوم بإنشاء وتصفية أمثلة التدريب على استدعاء الأدوات الخاصة به والتي يتم الإشراف عليها ذاتيًا
- وهو يعتمد على الآلاف من استدعاءات الأدوات التي يحمل علامة بشرية
- ويستخدم التعلم المعزز من ردود الفعل البشرية فقط
- يقوم بترميز كل أداة يدويًا
- ما هو المعيار الذي يستخدمه Toolformer لتحديد ما إذا كان سيتم الاحتفاظ باستدعاء API المرشح؟
- ما إذا كان المقيم البشري يوافق عليه
- ما إذا كانت نتيجة المكالمة تقلل من خسارة النموذج في الرموز المميزة التالية
- ما إذا كان الاستدعاء يُرجع سلسلة غير فارغة
- ما إذا كانت المكالمة تعمل في أقل من ثانية واحدة
- ما هي مجموعة الأدوات التي تعلم Toolformer الأصلي كيفية استخدامها؟
- مولد الصور ومركب الموسيقى والعارض ثلاثي الأبعاد
- مترجم بايثون فقط
- الآلة الحاسبة ونظام ضمان الجودة ومحرك البحث والمترجم والتقويم
- متصفح ويب ونظام الملفات فقط
- كيف يتم تمثيل استدعاءات الأداة في النص أثناء عملية Toolformer؟
- كقنوات صوتية منفصلة
- كصور ملحقة بالوثيقة
- كإدخالات في قاعدة بيانات خارجية فقط
- كرموز مميزة تشير إلى استدعاء API ونتيجته المضمنة
- ما هو الضعف الكامن في نماذج اللغة الكبيرة التي حفزت Toolformer؟
- إنهم فقراء في العمليات الحسابية والحقائق الحالية وعمليات البحث الدقيقة
- لا يمكنهم توليد جمل بطلاقة
- لا يمكن ضبطها بدقة
- إنهم يعملون باللغة الإنجليزية فقط
- بعد إنشاء أمثلة استدعاءات الأدوات وتصفيتها، ماذا يفعل Toolformer بها؟
- يتجاهلهم ويبدأ من جديد
- قم بضبط النموذج على مجموعة البيانات التي تمت تصفيتها والمنشأة ذاتيًا
- يرسلهم إلى المفسرين البشريين لإعادة التسمية
- يخزنها فقط للتقييم
- Why compare the next-token loss with and without an API result when filtering a candidate call?
- To select the API with the longest response
- To remove all calls that change the context
- To retain calls whose result improves prediction of the following real text
- To maximize the number of API calls per paragraph
- Once useful tool-call examples are filtered, how does Toolformer incorporate them?
- It discards them and trains only on human ratings
- It changes the API results into class labels
- It retrains each external API from scratch
- It fine-tunes on the resulting self-generated examples