اختبار مرتبط بالدليل · متوسط المستوى

اختبار النماذج العالمية والمحاكاة المستفادة

اكتشف كيف تتنبأ النماذج العالمية بالتغيرات البيئية، وتدعم التخطيط في الحالات المتخيلة، وتولد تجارب محاكاة تفاعلية.

سؤال 1 من 8

ما هي الوظيفة الأساسية للنموذج العالمي؟

معاينة كل سؤال8 أسئلة

تظهر الإجابات والتفسيرات أثناء إجراء الاختبار.

  1. ما هي الوظيفة الأساسية للنموذج العالمي؟
    • للتنبؤ بكيفية تغير البيئة في ضوء الحالة والإجراء
    • لتسمية الصور مع الفئات
    • لضغط النص في التضمينات
    • لتوجيه حزم الشبكة
  2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
    • فقط على الأجهزة الحقيقية
    • داخل "حلم" النموذج الخاص بالبيئة
    • على مجموعة سحابية عامة من الروبوتات
    • استخدام بيانات اللغة فقط
  3. ما هو الإنجاز الملحوظ الذي حققه DeepMind’s DreamerV3؟
    • كتابة رواية
    • ترجمة 100 لغة
    • Collecting diamonds in Minecraft using policy learning from imagined trajectories
    • تصميم شريحة صغيرة
  4. ماذا يفعل جني Google؟
    • يضغط مقاطع الفيديو للتدفق
    • فرز نتائج البحث
    • تدريب معلمي اللغة
    • يُنشئ عوالم ثنائية الأبعاد يمكن التحكم فيها وتشغيلها من الصور والفيديو غير المُسمى
  5. كيف تحافظ العديد من النماذج العالمية على مشكلة التنبؤ قابلة للحل بالنسبة للمدخلات عالية الأبعاد مثل الصور؟
    • إنهم يقومون بتشفير الملاحظات في حالة كامنة مدمجة والتنبؤ بها في ذلك الفضاء
    • إنهم يتجاهلون الصور تمامًا
    • يستخدمون الصوت فقط
    • يقومون بتخزين كل إطار خام إلى الأبد
  6. What is a potential motivation for using a world model in robotics?
    • Guarantee every simulated action is safe to deploy
    • Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
    • Avoid testing the model against any real observations
    • Prove a visually realistic frame is physically accurate
  7. What techniques did DreamerV3 report for improving learning stability across diverse domains?
    • A fixed image resize and no reward modeling
    • A hand-written controller for every game
    • Normalization, balancing, and transformations
    • Removing all state observations from training
  8. Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
    • Visual models cannot process actions
    • Every rendered image is a ground-truth sensor measurement
    • Plausibility guarantees accurate forces and collisions
    • A realistic-looking frame may still depict incorrect physical state changes