اختبار مرتبط بالدليل · متوسط المستوى

مسابقة استدلال شجرة الأفكار

يفحص تشعب شجرة الأفكار، توليد المرشحين، تقييم الحالة، التشذيب، استراتيجيات البحث ومقايضات الاستدلال-الحوسبة.

مسارات الدليل ذات الصلةشجرة الأفكار المنطق
سؤال 1 من 8

كيف تختلف شجرة الأفكار عن سلسلة الأفكار؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. كيف تختلف شجرة الأفكار عن سلسلة الأفكار؟
    • يستكشف مسارات تفكير متفرعة متعددة بدلاً من سلسلة خطية واحدة
    • فهو يزيل خطوات التفكير تماما
    • إنه يعمل فقط على مدخلات الصور
    • ولا يستخدم أي نموذج لغوي على الإطلاق
  2. في شجرة الأفكار، ما الذي تمثله العقدة الواحدة عادةً؟
    • إجابة نهائية كاملة فقط
    • حل جزئي أو "فكر" وسيط
    • استعلام مستخدم
    • وزن مدرب
  3. ما هو الدور الذي يلعبه مقيم الدولة في شجرة الأفكار؟
    • ويكتب الإجابة النهائية التي تواجه المستخدم
    • يقوم بحذف ذاكرة النموذج
    • إنه يسجل مدى كون الحلول الجزئية الواعدة ضعيفة بحيث يمكن تقليم الفروع
    • ويترجم بين اللغات
  4. في معيار Game of 24، تفوق ToT بشكل كبير على سلسلة الأفكار تقريبًا بأي قفزة؟
    • من 90% إلى 95% نجاح
    • لا يوجد تحسن على الإطلاق
    • من 50% إلى 51% نجاح
    • من حوالي 4% إلى حوالي 74% نجاح
  5. ما هي إستراتيجيات البحث المستخدمة بشكل شائع للتنقل في شجرة الأفكار؟
    • العرض أولًا، أو العمق أولًا، أو بحث الشعاع
    • مجرد تخمين عشوائي
    • الفرز الأبجدي
    • نزول التدرج على بكسل
  6. ما هي مقايضة التكلفة الرئيسية لاستخدام شجرة الأفكار؟
    • فهو يقلل من الدقة لتوفير الوقت
    • يتطلب المزيد من حساب الاستدلال مقابل دقة أعلى
    • لا يحتاج إلى استدعاءات نموذجية تتجاوز واحدة
    • إنه يعمل فقط دون اتصال بالإنترنت
  7. At one Tree-of-Thoughts node, what does the thought generator typically produce?
    • A final answer only, with no intermediate states
    • A new model checkpoint
    • Several candidate next thoughts that could extend the partial solution
    • A set of training labels for the prompt
  8. What decision does the ToT search procedure make after candidate states are generated and scored?
    • Which tokenizer the model should use
    • Whether to change the model’s weights
    • How to label the original training corpus
    • Which branches to expand and which to prune or stop exploring