গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

স্ব-পরিমার্জন পুনরাবৃত্তিমূলক আউটপুট উন্নতি কুইজ

স্ব-পরিমার্জিত খসড়া, প্রতিক্রিয়া, এবং পুনর্বিবেচনা লুপ পর্যালোচনা করুন, এর প্রসঙ্গ ব্যবহার এবং মডেল-উত্পন্ন সমালোচনার সীমা সহ।

প্রশ্ন 1 এর 8

সেলফ-ফাইন লুপে একটি একক মডেল কোন তিনটি ভূমিকা পালন করে?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. সেলফ-ফাইন লুপে একটি একক মডেল কোন তিনটি ভূমিকা পালন করে?
    • জেনারেটর, সমালোচক, এবং সংশোধক
    • প্রশিক্ষক, পরীক্ষক, স্থাপনকারী
    • এনকোডার, ডিকোডার, ক্লাসিফায়ার
    • পরিকল্পনাকারী, অভিনেতা, স্কোরার
  2. স্ব-পরিমার্জন কাজ করার জন্য অনুরোধ করার বাইরে কি প্রয়োজন?
    • একটি পৃথকভাবে প্রশিক্ষিত পুরস্কার মডেল
    • অতিরিক্ত কিছু নয়; এটা কোন অতিরিক্ত প্রশিক্ষণ বা পুরস্কার মডেল প্রয়োজন
    • লুপে মানব পর্যালোচকরা
    • একটি সূক্ষ্ম সুর সমালোচক নেটওয়ার্ক
  3. খসড়া তৈরি করা থেকে আলাদা প্রম্পটে প্রতিক্রিয়া তৈরি করা কেন সহায়ক?
    • এটি মডেল থেকে খসড়া লুকিয়ে রাখে
    • এটি টোকেন সংখ্যা হ্রাস করে
    • এটি মডেলটিকে তার প্রথম প্রচেষ্টাকে রক্ষা করার পরিবর্তে একটি নতুন ফ্রেমিং থেকে মূল্যায়ন করতে দেয়
    • এটি মডেলের মেমরি নিষ্ক্রিয় করে
  4. কোন ধরনের প্রতিক্রিয়া পরিমার্জন পদক্ষেপটিকে সবচেয়ে কার্যকর করে তোলে?
    • অস্পষ্ট উত্সাহ যেমন 'এটি আরও ভাল করুন'
    • বিশদ বিবরণ ছাড়াই একটি সাধারণ সংখ্যাসূচক স্কোর
    • এলোমেলো পরামর্শ
    • সুনির্দিষ্ট, কার্যকরী প্রতিক্রিয়া কংক্রিট ত্রুটির দিকে নির্দেশ করে
  5. কখন স্ব-পরিমার্জন একটি আউটপুট উন্নত করতে ব্যর্থ হয়?
    • যখন মডেলটি ত্রুটি সনাক্ত করতে পারে না তখন এটি ঠিক করতে হবে
    • যখন কাজ ছোট হয়
    • যখন প্রম্পট ইংরেজিতে হয়
    • যখন তাপমাত্রা শূন্য সেট করা হয়
  6. কিভাবে লুপ সাধারণত বন্ধ করার সিদ্ধান্ত নেয়?
    • এটা সবসময় ঠিক 100 বার চলে
    • যখন মডেলটি যথেষ্ট ভাল আউটপুট বিচার করে বা একটি ধাপের সীমাতে আঘাত করে তখন এটি বন্ধ হয়ে যায়
    • এটি তখনই থামে যখন একজন মানুষ অনুমোদন করে
    • এটি নিজে থেকে কখনও থামে না
  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