Anleitung zum Tuning-Quiz

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

1. Wie könnte ein Rohbasismodell ohne Anweisungsoptimierung auf die Frage „Was ist die Hauptstadt von Frankreich?“ reagieren.
   • Es weigert sich immer zu antworten
   • Es wird ein Fehler zurückgegeben
   • Es könnte mit weiteren Fragen oder verwandtem Text statt mit Antworten fortfahren
   • Es antwortet jedes Mal perfekt
2. Die Befehlsoptimierung lässt sich am besten wie folgt beschreiben:
   • Verstärkendes Lernen aus menschlichem Feedback
   • Vorschulung für rohen Webtext
   • Anpassen des Temperaturparameters
   • Überwachte Feinabstimmung der Anweisungs- und Antwortpaare
3. How does supervised instruction tuning differ from reward-model-based RLHF in the published InstructGPT recipe?
   • It is exactly the same optimization stage
   • It trains against reference responses, while the later preference stages use comparisons and a reward model
   • It requires no training examples
   • It only changes a sampling temperature
4. Why do instruction-tuning researchers evaluate models on held-out tasks and instructions?
   • To assess generalization beyond the examples used for training
   • To prove that every unseen task will succeed
   • To avoid checking any generated responses
   • To guarantee the same accuracy for every task mixture
5. Wie sieht die typische Reihenfolge der Ausbildungsschritte für einen modernen Chat-Assistenten aus?
   • RLHF, dann Vortraining, dann Instruktionsoptimierung
   • Anweisungsabstimmung, dann Vortraining
   • Nur Vortraining, sonst nichts
   • Vortraining, dann Anleitungsoptimierung, dann optionales RLHF
6. What does LIMA's curated-data experiment support as a research conclusion?
   • Exactly 1,000 examples are enough for every model and task
   • More data can never help any instruction-tuned model
   • Carefully selected small datasets can be effective in an evaluated configuration
   • Only synthetic examples can train an assistant
7. Which training stage did the original LIMA experiment omit while using its 1,000 curated prompt-response pairs?
   • Reinforcement learning and human preference modeling
   • Supervised response loss
   • A pretrained base model
   • Prompt-response examples
8. A tuned model follows the requested answer format. What does that behavior alone fail to establish?
   • That an output format was requested
   • That every factual statement in the answer is correct
   • That the model produced a response
   • That the response can be inspected