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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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