Κουίζ χρήσης εργαλείων και αυτοδίδακτων εργαλείων

Οι απαντήσεις και οι εξηγήσεις εμφανίζονται καθώς κάνετε το κουίζ.

1. Τι κάνει ξεχωριστή την προσέγγιση του Toolformer στη χρήση εργαλείων εκμάθησης;
   • Δημιουργεί και φιλτράρει τα δικά του παραδείγματα εκπαίδευσης εργαλείων-κλήσεων με αυτο-επίβλεψη
   • Βασίζεται σε χιλιάδες κλήσεις εργαλείων με ανθρώπινη ετικέτα
   • Χρησιμοποιεί ενισχυτική μάθηση μόνο από την ανθρώπινη ανατροφοδότηση
   • Κωδικοποιεί με το χέρι κάθε κλήση εργαλείου
2. Ποιο κριτήριο χρησιμοποιεί το Toolformer για να αποφασίσει εάν θα διατηρήσει μια κλήση υποψηφίου API;
   • Το αν το εγκρίνει ένας βαθμολογητής ανθρώπων
   • Εάν το αποτέλεσμα της κλήσης μειώνει την απώλεια του μοντέλου στα ακόλουθα διακριτικά
   • Εάν η κλήση επιστρέφει μια μη κενή συμβολοσειρά
   • Εάν η κλήση διαρκεί λιγότερο από ένα δευτερόλεπτο
3. Ποιο σύνολο εργαλείων έμαθε να χρησιμοποιεί το αρχικό Toolformer;
   • Γεννήτρια εικόνας, συνθεσάιζερ μουσικής και 3D renderer
   • Μόνο διερμηνέας Python
   • Αριθμομηχανή, σύστημα QA, μηχανή αναζήτησης, μεταφραστής και ημερολόγιο
   • Μόνο πρόγραμμα περιήγησης ιστού και σύστημα αρχείων
4. Πώς αντιπροσωπεύονται οι κλήσεις εργαλείων στο κείμενο κατά τη διαδικασία του Toolformer;
   • Ως ξεχωριστά κανάλια ήχου
   • Ως εικόνες που επισυνάπτονται στο έγγραφο
   • Μόνο ως καταχωρήσεις σε εξωτερική βάση δεδομένων
   • Ως ειδικά διακριτικά που επισημαίνουν την κλήση API και τα αποτελέσματά της ενσωματωμένα
5. Ποια υποκείμενη αδυναμία των μεγάλων γλωσσικών μοντέλων παρακίνησε το Toolformer;
   • Είναι φτωχοί στην αριθμητική, τα τρέχοντα γεγονότα και τις ακριβείς αναζητήσεις
   • Δεν μπορούν να δημιουργήσουν ρέουσες προτάσεις
   • Δεν μπορούν να ρυθμιστούν με ακρίβεια
   • Δουλεύουν μόνο στα αγγλικά
6. Μετά τη δημιουργία και το φιλτράρισμα παραδειγμάτων κλήσης εργαλείων, τι κάνει το Toolformer με αυτά;
   • Τα πετάει και ξεκινάει από την αρχή
   • Ρυθμίζει με ακρίβεια το μοντέλο στο φιλτραρισμένο, αυτοπαραγόμενο σύνολο δεδομένων
   • Τα στέλνει σε ανθρώπους σχολιαστές για επανασήμανση
   • Τα αποθηκεύει μόνο για αξιολόγηση
7. Why compare the next-token loss with and without an API result when filtering a candidate call?
   • To select the API with the longest response
   • To remove all calls that change the context
   • To retain calls whose result improves prediction of the following real text
   • To maximize the number of API calls per paragraph
8. Once useful tool-call examples are filtered, how does Toolformer incorporate them?
   • It discards them and trains only on human ratings
   • It changes the API results into class labels
   • It retrains each external API from scratch
   • It fine-tunes on the resulting self-generated examples