Kvíz spojený s průvodcem · Těžko úroveň
Kvíz pro nástrojáře a samouky
Kontroluje samokontrolované generování volání Toolformer, filtrování založené na ztrátách, API markery, vybrané nástroje a poslední krok jemného doladění.
Otázka 1 z 8
Čím je přístup Toolformeru k používání učebních nástrojů charakteristický?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Čím je přístup Toolformeru k používání učebních nástrojů charakteristický?
- Generuje a filtruje své vlastní příklady školení s voláním nástrojů pod dohledem
- Spoléhá na tisíce volání nástrojů označených člověkem
- Využívá posilující učení pouze z lidské zpětné vazby
- Ručně pevně zakóduje každé volání nástroje
- Jaké kritérium používá Toolformer k rozhodnutí, zda zachovat kandidátské volání API?
- Zda to schvaluje lidský hodnotitel
- Zda výsledek volání snižuje ztrátu modelu na následujících tokenech
- Zda volání vrací neprázdný řetězec
- Zda hovor proběhne za méně než jednu sekundu
- Jakou sadu nástrojů se naučil používat původní Toolformer?
- Generátor obrázků, hudební syntezátor a 3D renderer
- Pouze interpret Pythonu
- Kalkulačka, systém kontroly kvality, vyhledávač, překladač a kalendář
- Pouze webový prohlížeč a souborový systém
- Jak jsou volání nástrojů reprezentována v textu během procesu Toolformer?
- Jako samostatné zvukové kanály
- Jako obrázky připojené k dokumentu
- Pouze jako záznamy v externí databázi
- Jako speciální tokeny označující volání API a jeho výsledek inline
- Jaká základní slabina velkých jazykových modelů motivovala Toolformer?
- Jsou chudí na aritmetiku, aktuální fakta a přesné vyhledávání
- Neumí generovat plynulé věty
- Nedají se doladit
- Pracují pouze v angličtině
- Co s nimi Toolformer po vygenerování a filtrování příkladů volání udělá?
- Zahodí je a začne znovu
- Jemně dolaďuje model na filtrované, samogenerované datové sadě
- Odešle je lidským anotátorům k přeznačení
- Ukládá je pouze pro vyhodnocení
- 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
- 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