Induktionsköpfe im Transformatoren-Quiz

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

1. Welche Regel setzt ein Induktionskopf im Wesentlichen um?
   • Sagen Sie das häufigste Token in der Sprache voraus
   • Kopieren Sie den vorherigen Token immer unverändert
   • Mischen Sie die Kontext-Tokens nach dem Zufallsprinzip
   • Siehe [A][B] früher, dann prognostiziere [A] erneut [B]
2. What capability was linked to induction-head behavior in the cited 2022 study?
   • In-context learning in the examined models, with broader large-model claims framed as hypotheses
   • A proof that every form of reasoning uses only one identical circuit
   • Changing the tokenizer vocabulary during every prompt
   • Permanent weight updates whenever a repeated token appears
3. Welche Rolle spielt der „Vor-Token-Kopf“ im Induktionskreis?
   • Es generiert den endgültigen Softmax
   • Es entfernt Positionsinformationen
   • Es kopiert die Vorgängerinformationen jedes Tokens weiter, sodass ein Abgleich erfolgen kann
   • Es normalisiert die Aufmerksamkeitsgewichte
4. Wie viele Aufmerksamkeitsköpfe sind typischerweise am kanonischen Induktionskreis beteiligt?
   • Genau einer
   • Zwei, schichtübergreifend komponiert
   • Hunderte in einer einzigen Schicht
   • Null; es ist nur Feed-Forward
5. What training relationship did the induction-head study report in the models it examined?
   • Head formation coincided with changes in loss behavior and increased in-context learning
   • All heads were fully formed before any training
   • Induction behavior could only appear after every parameter was frozen forever
   • The same exact training transition must occur in every future model
6. Welche Aufgabe würde ein Induktionskopf am direktesten lösen?
   • Berechnen eines numerischen Gradienten
   • Komprimieren der Gewichte des Modells
   • Verschlüsseln der Eingabeaufforderung
   • Wiederholen einer Sequenz durch Kopieren dessen, was auf frühere übereinstimmende Token folgte
7. What roles do query-key matching and the output-value path play in the canonical induction circuit?
   • Query-key computations generate the final text filename; output-value computations train the tokenizer
   • Query-key computations select the matching context position; output-value computations promote the token information there
   • Both paths only count the total number of context words
   • The output-value path selects a position without any attention pattern
8. Does a demonstrated two-head induction circuit prove that every large-model in-context task uses that mechanism alone?
   • Yes; every architecture and prompt has already been causally tested
   • Yes; no other network computation can influence a prediction
   • No; the wider explanation remains a hypothesis needing model- and task-specific evidence
   • Only the number of parameters determines whether the proof is universal