Prueba de decodificación de autoconsistencia

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

1. ¿Cómo selecciona la decodificación de autoconsistencia una respuesta final de un modelo de lenguaje?
   • Pruebe muchas rutas de razonamiento y vote por mayoría sobre la respuesta.
   • Elija siempre el token más probable en cada paso
   • Entrene el modelo en sus propios resultados repetidamente
   • Eliminar toda aleatoriedad de la generación.
2. Under what condition can self-consistency improve answer accuracy?
   • Whenever the number of samples increases
   • When correct sampled paths converge and errors are not too strongly correlated
   • When every reasoning chain has identical wording
   • Only when the model weights are retrained
3. ¿Qué método de decodificación reemplaza la autoconsistencia?
   • Propagación hacia atrás
   • Tokenización
   • Decodificación codiciosa de una sola cadena.
   • Cuantización de peso
4. ¿Qué parte de cada cadena muestreada se utiliza realmente en la votación final?
   • El texto de razonamiento completo.
   • El número de tokens generados.
   • El ajuste de temperatura
   • Sólo la respuesta final
5. What is the main cost of increasing the number of self-consistency samples?
   • More inference compute; accuracy gains depend on the task and can have diminishing returns
   • It retrains the model weights after every response
   • It guarantees that the majority is correct
   • It eliminates the need to sample any reasoning paths
6. ¿La autoconsistencia es un ejemplo temprano de qué concepto más amplio?
   • Compresión del modelo
   • Escalado de tiempo de inferencia (gastar cálculo adicional para razonar mejor)
   • Aumento de datos durante el entrenamiento.
   • Aceleración de hardware
7. Why may answer normalization be useful before a self-consistency vote?
   • It makes all reasoning paths independent
   • It verifies the answer against external evidence
   • It can group semantically equivalent answers that use different formatting
   • It changes the model’s sampled probabilities
8. What is a key limitation of a majority answer from self-consistency?
   • A majority vote cannot be computed for text
   • Sampling always changes the model weights
   • Every reasoning path is guaranteed independent
   • Correlated reasoning errors can make an incorrect answer win the vote