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।
- সেলফ-ফাইন লুপে একটি একক মডেল কোন তিনটি ভূমিকা পালন করে?
- জেনারেটর, সমালোচক, এবং সংশোধক
- প্রশিক্ষক, পরীক্ষক, স্থাপনকারী
- এনকোডার, ডিকোডার, ক্লাসিফায়ার
- পরিকল্পনাকারী, অভিনেতা, স্কোরার
- 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
- 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
- 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
- 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
- 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
- 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
- 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