Тест, свързан с ръководство · Среден Ниво

Тест за подобряване на итеративния изход за самопрецизиране

Прегледайте цикъла на черновата, обратната връзка и ревизията на Self-Refine, включително използването на контекста и ограниченията на генерираната от модел критика.

Свързани ръководни пътекиСамоусъвършенстване на итеративно подобрение на изхода
Въпрос 1 на 8

Какви три роли играе един модел в цикъла на самоусъвършенстване?

Визуализирайте всеки въпрос8 въпроси

Отговорите и обясненията се появяват, докато отговаряте на теста.

  1. Какви три роли играе един модел в цикъла на самоусъвършенстване?
    • Генератор, критик и ревизор
    • Трейнер, тестер, внедрител
    • Кодер, декодер, класификатор
    • Плановик, актьор, голмайстор
  2. Какво изисква Self-Refine освен подканата, за да работи?
    • Отделно обучен модел на възнаграждение
    • Нищо допълнително; не се нуждае от допълнително обучение или модел на възнаграждение
    • Човешки рецензенти са в течение
    • Фино настроена критична мрежа
  3. Защо генерирането на обратна връзка в отделна подкана от генерирането на черновата е полезно?
    • Скрива черновата от модела
    • Намалява броя на токените
    • Той позволява на модела да оценява от нова рамка, вместо да защитава първия си опит
    • Деактивира паметта на модела
  4. Какъв вид обратна връзка прави стъпката на усъвършенстване най-ефективна?
    • Неясно насърчение като „направи го по-добре“
    • Прост цифров резултат без подробности
    • Случайни предложения
    • Конкретна, приложима обратна връзка, насочваща към конкретни недостатъци
  5. Кога Self-Refine обикновено не успява да подобри резултата?
    • Когато моделът не може да открие дефекта, той трябва да бъде коригиран
    • Когато задачата е кратка
    • Когато подканата е на английски
    • Когато температурата е настроена на нула
  6. Как цикълът обикновено решава да спре?
    • Винаги се изпълнява точно 100 пъти
    • Той спира, когато моделът прецени, че резултатът е достатъчно добър или достигне ограничение на стъпката
    • Спира само когато човек го одобри
    • Никога не спира от само себе си
  7. What information does Self-Refine feed into later refinement rounds?
    • Only the final token of the original prompt
    • A reward model's parameters
    • The draft together with the feedback history
    • A new human-written answer with no prior context
  8. In the guide's coding example, what might the critic flag before a revision?
    • An incorrect microphone sample rate
    • A ship arriving outside its port window
    • A mismatch between image and audio codecs
    • Missing edge-case handling