গাইড লিঙ্ক ক্যুইজ · মাঝারি স্তর

ট্রি-অফ-থটস রিজনিং কুইজ

ট্রি-অফ-থটস ব্রাঞ্চিং, প্রার্থী তৈরি, রাষ্ট্রীয় মূল্যায়ন, ছাঁটাই, অনুসন্ধান কৌশল এবং অনুমান-গণনা ট্রেড-অফ পরীক্ষা করে।

সম্পর্কিত গাইড পাথট্রি অফ থটস রিজনিং
প্রশ্ন 1 এর 8

ট্রি-অফ-থটস চেইন-অফ-থট প্রম্পটিং থেকে কীভাবে আলাদা?

প্রতিটি প্রশ্নের পূর্বরূপ দেখুন8 প্রশ্ন

আপনি কুইজ নেওয়ার সাথে সাথে উত্তর এবং ব্যাখ্যাগুলি উপস্থিত হয়।

  1. ট্রি-অফ-থটস চেইন-অফ-থট প্রম্পটিং থেকে কীভাবে আলাদা?
    • এটি একটি রৈখিক শৃঙ্খলের পরিবর্তে একাধিক শাখাযুক্ত যুক্তি পাথ অন্বেষণ করে
    • এটি যুক্তির পদক্ষেপগুলি সম্পূর্ণরূপে সরিয়ে দেয়
    • এটা শুধুমাত্র ইমেজ ইনপুট কাজ করে
    • এটি কোন ভাষা মডেল ব্যবহার করে না
  2. ট্রি-অফ-থটসে, একটি একক নোড সাধারণত কী প্রতিনিধিত্ব করে?
    • শুধুমাত্র একটি সম্পূর্ণ চূড়ান্ত উত্তর
    • একটি আংশিক সমাধান বা মধ্যবর্তী 'চিন্তা'
    • একটি ব্যবহারকারী প্রশ্ন
    • একটি প্রশিক্ষিত ওজন
  3. ট্রি-অফ-থটস-এ রাষ্ট্র মূল্যায়নকারী কী ভূমিকা পালন করে?
    • এটি চূড়ান্ত ব্যবহারকারীর মুখোমুখি উত্তর লিখে
    • এটি মডেলের মেমরি মুছে দেয়
    • এটি স্কোর করে যে কতটা আশাব্যঞ্জক আংশিক সমাধান তাই দুর্বল শাখাগুলি ছাঁটাই করা যায়
    • এটি ভাষার মধ্যে অনুবাদ করে
  4. গেম অফ 24 বেঞ্চমার্কে, ToT নাটকীয়ভাবে চেইন-অফ-থটকে ছাড়িয়ে গেছে মোটামুটি কোন লাফ দিয়ে?
    • 90% থেকে 95% সাফল্য
    • কোনো উন্নতি নেই
    • 50% থেকে 51% সাফল্য
    • প্রায় 4% থেকে প্রায় 74% সাফল্য
  5. কোন অনুসন্ধান কৌশল সাধারণত চিন্তা গাছ নেভিগেট ব্যবহার করা হয়?
    • প্রস্থ-প্রথম, গভীরতা-প্রথম, বা মরীচি অনুসন্ধান
    • শুধু এলোমেলো অনুমান
    • বর্ণানুক্রমিক বাছাই
    • পিক্সেলের উপর গ্রেডিয়েন্ট ডিসেন্ট
  6. ট্রি-অফ-থটস ব্যবহার করার প্রধান খরচ ট্রেডঅফ কি?
    • এটি সময় বাঁচাতে নির্ভুলতা হ্রাস করে
    • এটি উচ্চ নির্ভুলতার বিনিময়ে আরও অনুমান গণনা প্রয়োজন
    • এটি একটির বাইরে কোন মডেল কল প্রয়োজন
    • এটি শুধুমাত্র অফলাইনে কাজ করে
  7. At one Tree-of-Thoughts node, what does the thought generator typically produce?
    • A final answer only, with no intermediate states
    • A new model checkpoint
    • Several candidate next thoughts that could extend the partial solution
    • A set of training labels for the prompt
  8. What decision does the ToT search procedure make after candidate states are generated and scored?
    • Which tokenizer the model should use
    • Whether to change the model’s weights
    • How to label the original training corpus
    • Which branches to expand and which to prune or stop exploring