Prueba de ajuste de instrucciones

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

1. Sin un ajuste de instrucciones, ¿cómo podría responder un modelo básico en bruto a la pregunta "¿Cuál es la capital de Francia?"
   • Siempre se niega a responder.
   • Devuelve un error
   • Podría continuar con más preguntas o texto relacionado en lugar de responder.
   • Responde perfectamente cada vez.
2. El ajuste de instrucciones se describe mejor como:
   • Aprendizaje reforzado a partir de la retroalimentación humana
   • Entrenamiento previo sobre texto web sin formato
   • Ajuste del parámetro de temperatura
   • Ajuste supervisado de pares de instrucción y respuesta
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. ¿Cuál es el orden típico de las etapas de formación de un asistente de chat moderno?
   • RLHF, luego preentrenamiento, luego ajuste de instrucciones
   • Ajuste de instrucciones y luego preentrenamiento
   • Sólo preentrenamiento, nada más.
   • Preentrenamiento, luego ajuste de instrucciones, luego RLHF opcional
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