Kvíz spojený s průvodcem · Střední úroveň
Test sebekonzistence dekódování
Vysvětluje většinové hlasování o vzorových cestách uvažování, extrakci odpovědí, odvození nákladů a proč může být konsenzus stále špatný.
Otázka 1 z 8
Jak autokonzistentní dekódování vybere konečnou odpověď z jazykového modelu?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jak autokonzistentní dekódování vybere konečnou odpověď z jazykového modelu?
- Vyzkoušejte mnoho způsobů uvažování a přijměte většinové hlasování o odpovědi
- V každém kroku vždy vyberte jeden nejpravděpodobnější žeton
- Trénujte model na jeho vlastních výstupech opakovaně
- Odstraňte z generování veškerou náhodnost
- Under what condition can self-consistency improve answer accuracy?
- Whenever the number of samples increases
- When correct sampled paths converge and errors are not too strongly correlated
- When every reasoning chain has identical wording
- Only when the model weights are retrained
- Jakou metodu dekódování nahrazuje sebekonzistence?
- Zpětná propagace
- Tokenizace
- Chamtivé dekódování jednoho řetězce
- Kvantování hmotnosti
- Která část každého vzorkovaného řetězce je skutečně použita v závěrečném hlasování?
- Celý text odůvodnění
- Počet vygenerovaných tokenů
- Nastavení teploty
- Pouze konečná odpověď
- What is the main cost of increasing the number of self-consistency samples?
- More inference compute; accuracy gains depend on the task and can have diminishing returns
- It retrains the model weights after every response
- It guarantees that the majority is correct
- It eliminates the need to sample any reasoning paths
- Sebekonzistence je raným příkladem kterého širšího konceptu?
- Komprese modelu
- Inference-time škálování (vynakládání dalších výpočtů k lepšímu uvažování)
- Rozšíření dat během tréninku
- Hardwarová akcelerace
- Why may answer normalization be useful before a self-consistency vote?
- It makes all reasoning paths independent
- It verifies the answer against external evidence
- It can group semantically equivalent answers that use different formatting
- It changes the model’s sampled probabilities
- What is a key limitation of a majority answer from self-consistency?
- A majority vote cannot be computed for text
- Sampling always changes the model weights
- Every reasoning path is guaranteed independent
- Correlated reasoning errors can make an incorrect answer win the vote