Cuestionario vinculado a una guía · duro Nivel

Optimización automática de mensajes y cuestionario DSPy

Pruebe lo que sabe acerca de la puntuación de indicaciones frente a una métrica, cómo APE y OPRO buscan instrucciones y cómo funcionan las firmas y optimizadores DSPy.

Rutas de guía relacionadasOptimización automática de avisos y Dspy
Pregunta 1 de 8

¿Qué debe proporcionar para que funcione la optimización automática de avisos?

Vista previa de cada pregunta8 preguntas

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

  1. ¿Qué debe proporcionar para que funcione la optimización automática de avisos?
    • Only a longer prompt
    • A task, a set of example inputs and a metric to score outputs
    • A fine-tuned model and a GPU cluster
    • A list of banned words
  2. En OPRO, ¿qué desempeña el papel del optimizador?
    • A gradient descent step on the model's weights
    • A human prompt engineer
    • A random search with no feedback
    • An LLM given a meta-prompt listing earlier instructions and their scores
  3. ¿Qué ilustra el resultado de OPRO "Respira profundamente y trabaja en este problema paso a paso"?
    • Optimized wording can be unintuitive and specific to a model
    • Breathing instructions work for every model
    • Math tasks do not need prompts
    • OPRO only works for writing tasks
  4. ¿Qué es una firma DSPy?
    • A cryptographic key for the API
    • A model's version number
    • A declaration of a step's inputs and outputs, such as "question, context -> answer"
    • A watermark on generated text
  5. ¿Cómo obtiene BootstrapFewShot de DSPy sus demostraciones?
    • It downloads examples from the internet
    • It runs the program on training inputs and keeps the traces where the metric passes
    • It asks the user to label every intermediate step
    • It uses the longest available examples
  6. Why should you keep a separate held-out set when optimizing prompts?
    • To reduce the size of the prompt
    • To make the optimizer run faster
    • It is required by the API
    • To check whether the optimized prompt has overfit the training examples
  7. What were DSPy's optimizers called earlier?
    • Teleprompters
    • Compilers
    • Tokenizers
    • Retrievers
  8. What approach did APE (Automatic Prompt Engineer) take?
    • It fine-tuned model weights on instructions
    • It hand-wrote prompts from expert interviews
    • It had a model propose instructions from input-output examples and kept the highest-scoring ones
    • It removed instructions entirely