Self-RAG- und Reflektions-Retrieval-Quiz

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

1. Compared with a baseline that retrieves for every input, what adaptive decision does Self-RAG learn?
   • Which operating system to install for every query
   • Whether retrieval is needed, including decisions as generation progresses
   • How to permanently remove all document sources
   • How to prove every generated statement without inspecting evidence
2. Was sind „Reflexionstokens“ in Self-RAG?
   • Verschlüsselungsschlüssel für Dokumente
   • Anmeldedaten des Benutzers
   • Zeitstempel für abgerufene Dateien
   • Das Modell gibt spezielle Kontrolltoken aus, um Relevanz, Unterstützung und Nützlichkeit zu beurteilen
3. What does Self-RAG's IsSupported reflection token predict?
   • Whether the model's hardware has enough disk space
   • Whether a support ticket has been paid
   • Whether a generated segment is supported by the retrieved evidence
   • Whether every source claim is independently proven true
4. Wie wird ein Self-RAG-Modell normalerweise trainiert, um Reflexionstoken zu erzeugen?
   • Überwachtes Lernen mit Daten, die mit Reflexionstokens gekennzeichnet sind und oft aus einem stärkeren Modell destilliert werden
   • Rein unbeaufsichtigtes Clustering
   • Durch manuelles Codieren von Regeln ohne Lernen
   • Nur mit verstärktem Lernen aus menschlichen Klicks
5. Welchen Vorteil bietet die Abgabe einer „IsRelevant“-Kritik für jede Passage?
   • Es beschleunigt die Netzwerkverbindung
   • Es komprimiert den Dokumentenspeicher
   • Es ändert den Tokenizer des Modells
   • Es filtert abgerufene Passagen heraus, die der Abfrage nicht wirklich helfen
6. How can reflection-token scores affect Self-RAG inference without a new training run?
   • Every query must update all model parameters
   • Weighted critique scores can be combined with generation likelihood during segment-level candidate search
   • The critique scores must replace all source text with random tokens
   • Changing a score weight guarantees all factual errors disappear
7. What should an evaluator infer from a high Self-RAG IsSupported probability alone?
   • The model predicts support, which still needs checking against the actual evidence
   • The answer has been independently verified as true
   • No source passage needs to be read
   • Every external document is guaranteed accurate
8. At what granularity can Self-RAG adapt retrieval while developing a response?
   • Only when the operating system restarts
   • Only after the final answer has been published
   • As generated segments progress, rather than only one fixed retrieval at the beginning
   • Only by changing the tokenizer's vocabulary permanently