Quiz de recherche d'arbres de Monte Carlo

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

1. Quelles sont les quatre étapes principales d’une itération Monte Carlo Tree Search ?
   • Sélection, Expansion, Simulation, Rétropropagation
   • Trier, filtrer, fusionner, sortir
   • Encoder, décoder, assister, prédire
   • Former, valider, tester, déployer
2. Qu’équilibre la formule de sélection de l’UCT ?
   • Vitesse contre mémoire
   • Exploitation de mouvements de grande valeur versus exploration de mouvements sous-visités
   • Formation versus inférence
   • Largeur versus profondeur du réseau
3. Dans MCTS classique, que se passe-t-il pendant l'étape de « simulation » (déploiement) ?
   • L'arbre est supprimé
   • Le réseau neuronal est recyclé
   • Le jeu se joue selon un résultat provenant du nouveau nœud
   • Tous les enfants sont agrandis en même temps
4. What roles did AlphaGo’s policy and value networks play in its MCTS search?
   • The policy network computed transitions and the value network chose the root child
   • Both networks performed random rollouts without evaluating positions
   • The value network proposed legal moves while the policy network estimated terminal rewards
   • The policy network guided move selection and the value network estimated position strength; AlphaGo also used a rollout policy
5. Après de nombreuses itérations, comment les SCTM choisissent-ils généralement le coup final à jouer ?
   • L'enfant racine avec le plus de visites
   • Le mouvement avec la récompense immédiate la plus élevée
   • Un enfant au hasard
   • Le nœud le plus profond de l'arborescence
6. Qu’est-ce qui rend MuZero remarquable par rapport à AlphaZero ?
   • Il n'utilise aucun réseau de neurones
   • Il apprend son propre modèle de l'environnement, ce qui lui permet de planifier sans se voir imposer de règles.
   • Il ne joue qu'au Go
   • Il abandonne la recherche arborescente
7. In the UCT selection score, what does the exploration term reward?
   • Only the child with the highest raw reward
   • Moves that have already been selected most often, regardless of value
   • Children with fewer visits relative to their parent, encouraging further sampling
   • A random rollout’s final board size
8. Which MCTS iteration step adds a new child to the existing tree?
   • Selection
   • Simulation
   • Rétropropagation
   • Expansion