Mit dem Guide verknüpftes Quiz · Mittel Ebene

Quiz zur iterativen Ausgabeverbesserung zur Selbstverfeinerung

Sehen Sie sich die Entwurfs-, Feedback- und Überarbeitungsschleife von Self-Refine an, einschließlich der Kontextverwendung und der Grenzen der modellgenerierten Kritik.

Verwandte FührungspfadeSelbstverfeinerung der iterativen Ausgabeverbesserung
Frage 1 von 8

Welche drei Rollen spielt ein einzelnes Modell in der Self-Refine-Schleife?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

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

  1. Welche drei Rollen spielt ein einzelnes Modell in der Self-Refine-Schleife?
    • Generator, Kritiker und Rezensent
    • Trainer, Tester, Deployer
    • Encoder, Decoder, Klassifikator
    • Planer, Schauspieler, Torschütze
  2. Was erfordert Self-Refine außer der Aufforderung zur Arbeit?
    • Ein separat trainiertes Belohnungsmodell
    • Nichts Besonderes; Es ist kein zusätzliches Training oder Belohnungsmodell erforderlich
    • Menschliche Gutachter auf dem Laufenden
    • Ein fein abgestimmtes Kritikernetzwerk
  3. Warum ist es hilfreich, Feedback in einer von der Erstellung des Entwurfs getrennten Eingabeaufforderung zu generieren?
    • Es verbirgt den Entwurf vor dem Modell
    • Es reduziert die Anzahl der Token
    • Dadurch kann das Modell anhand eines neuen Rahmens evaluieren, anstatt seinen ersten Versuch zu verteidigen
    • Es deaktiviert den Speicher des Modells
  4. Welche Art von Feedback macht den Verfeinerungsschritt am effektivsten?
    • Vage Ermutigung wie „Mach es besser“
    • Eine einfache numerische Partitur ohne Details
    • Zufällige Vorschläge
    • Spezifisches, umsetzbares Feedback, das auf konkrete Mängel hinweist
  5. Wann führt Self-Refine dazu, dass eine Ausgabe nicht verbessert wird?
    • Wenn das Modell den Fehler nicht erkennen kann, müsste es behoben werden
    • Wenn die Aufgabe kurz ist
    • Wenn die Eingabeaufforderung auf Englisch ist
    • Wenn die Temperatur auf Null eingestellt ist
  6. Wie entscheidet sich die Schleife normalerweise, zu stoppen?
    • Es läuft immer genau 100 Mal
    • Es stoppt, wenn das Modell die Ausgabe als gut genug beurteilt oder eine Schrittgrenze erreicht
    • Es hört erst auf, wenn ein Mensch zustimmt
    • Es hört nie von alleine auf
  7. What information does Self-Refine feed into later refinement rounds?
    • Only the final token of the original prompt
    • A reward model's parameters
    • The draft together with the feedback history
    • A new human-written answer with no prior context
  8. In the guide's coding example, what might the critic flag before a revision?
    • An incorrect microphone sample rate
    • A ship arriving outside its port window
    • A mismatch between image and audio codecs
    • Missing edge-case handling