Quiz de réglage des instructions

Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.

1. Sans réglage des instructions, comment un modèle de base brut pourrait-il répondre à la question « Quelle est la capitale de la France ? »
   • Il refuse toujours de répondre
   • Il renvoie une erreur
   • Il peut continuer avec d'autres questions ou du texte connexe au lieu de répondre.
   • Il répond parfaitement à chaque fois
2. Le réglage des instructions est mieux décrit comme :
   • Apprentissage par renforcement à partir des commentaires humains
   • Pré-formation sur le texte Web brut
   • Réglage du paramètre de température
   • Mise au point supervisée sur les paires instruction-réponse
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. Quel est l’ordre typique des étapes de formation pour un assistant de chat moderne ?
   • RLHF, puis pré-entraînement, puis réglage des instructions
   • Mise au point des instructions, puis pré-entraînement
   • Seulement une pré-formation, rien d'autre
   • Pré-entraînement, puis réglage des instructions, puis RLHF en option
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