Kvíz spojený s průvodcem · Střední úroveň
Kvíz Strom myšlenek
Testuje generování myšlenek, vyhodnocování stavu, vyhledávání a zpětné sledování a navíc limity hlášených výsledků benchmarku specifické pro daný úkol.
Otázka 1 z 8
Jak se Strom myšlenek zásadně liší od nabádání řetězem myšlenek?
Náhled každé otázky8 otázky
Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.
- Jak se Strom myšlenek zásadně liší od nabádání řetězem myšlenek?
- Zkoumá několik větví uvažování a může se vrátit zpět
- Přeškolí model na nová data
- Odstraňuje všechny mezilehlé uvažovací kroky
- Funguje pouze pro generování obrazu
- Které tři složky tvoří systém Stromu myšlenek?
- Tokenizer, embedder a dekodér
- Generátor myšlenek, stavový vyhodnocovatel a vyhledávací algoritmus
- Kodér, hlava pozornosti a softmax
- Dataset, optimalizátor a funkce ztráty
- Jaký výsledek v původním experimentu Tree of Thoughts Game of 24 hlásilo vyhledávání na šířce pět pro vybranou testovací sadu?
- 100% úspěch ve všech možných hádankách
- 74 % pro každý model a rozpočet na vyhledávání
- 74% úspěšnost pro GPT-4 s ToT oproti 4% pro základní myšlenkový řetězec
- 4 % za ToT a 74 % za myšlenkový řetězec
- Jak systém Tree of Thoughts typicky vyhodnocuje dílčí řešení?
- Dotazováním na externí databázi
- Měřením teploty GPU
- Počítáním počtu použitých tokenů
- Vybídnutím modelu, aby hodnotil stavy jako jisté, možná nebo nemožné
- Co je pravdy na implementaci Stromu myšlenek na existující model?
- Je to obálka dotazů a hledání, nikoli přeškolení
- Vyžaduje to rekvalifikaci modelu od nuly
- Může běžet pouze na specializovaném hardwaru
- Trvale mění hmotnosti modelu
- Který související rámec umožňuje slučování cest uvažování a opětovné použití mezivýsledků?
- Lineární regrese
- Graf myšlenek
- Dávková normalizace
- Prořezávání šířky paprsku
- Které komponenty jsou běžně specifikovány v nastavení stromu myšlenek?
- Nový tokenizér, optimalizátor a tréninkový korpus
- Databáze, prohlížeč a ovladač GPU
- Myšlenkové návrhy, mezistavový hodnotitel a vyhledávací procedura
- Kodér štítků, škálovač ztrát a kontrolní bod
- Proč může strom myšlenek zvýšit náklady na odvození?
- Vždy přeškolí základní model
- Vyžaduje samostatný model pro každý token
- Eliminuje všechna volání modelu po první myšlence
- Může generovat a vyhodnocovat více kandidátských států v krocích hledání