Тест за използване на инструменти за формиране на инструменти и самоук

Отговорите и обясненията се появяват, докато отговаряте на теста.

1. Какво прави подхода на Toolformer за използване на инструменти за обучение отличителен?
   • Той генерира и филтрира свои собствени примери за обучение за извикване на инструменти под самоконтрол
   • Той разчита на хиляди извиквания на инструменти, маркирани от хора
   • Той използва обучение за подсилване само от човешка обратна връзка
   • Той кодира ръчно всяко извикване на инструмент
2. Кой критерий използва Toolformer, за да реши дали да запази извикване на кандидат API?
   • Независимо дали човешкият оценител го одобрява
   • Дали резултатът от обаждането намалява загубата на модела на следните токени
   • Дали извикването връща непразен низ
   • Дали разговорът продължава под една секунда
3. Какъв набор от инструменти се научи да използва оригиналният Toolformer?
   • Генератор на изображения, музикален синтезатор и 3D визуализатор
   • Само интерпретатор на Python
   • Калкулатор, QA система, търсачка, преводач и календар
   • Само уеб браузър и файлова система
4. Как се представят извикванията на инструменти в текста по време на процеса на Toolformer?
   • Като отделни аудио канали
   • Като изображения, приложени към документа
   • Само като записи във външна база данни
   • Като специални токени, маркиращи извикването на API и неговия резултат в линия
5. Каква основна слабост на големите езикови модели мотивира Toolformer?
   • Те са лоши в аритметиката, текущите факти и прецизните търсения
   • Те не могат да генерират плавни изречения
   • Те не могат да бъдат фино настроени
   • Те работят само на английски
6. След като генерира и филтрира примери за извикване на инструменти, какво прави Toolformer с тях?
   • Изхвърля ги и започва отначало
   • Настройва фино модела върху филтрирания, самостоятелно генериран набор от данни
   • Изпраща ги на човешки анотатори за повторно етикетиране
   • Съхранява ги само за оценка
7. 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
8. 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