Quiz d'incitation à la planification et à la résolution

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

1. Quel changement fondamental l'invite Planifier et résoudre apporte-t-elle à la chaîne de pensée standard ?
   • Il demande d'abord au modèle de concevoir un plan, puis de l'exécuter étape par étape
   • Il affine le modèle sur les données de planification
   • Il supprime complètement le raisonnement étape par étape
   • Cela nécessite des dizaines d'exemples concrets dans l'invite
2. Quelles faiblesses spécifiques de la simple chaîne de pensée Plan-and-Solve a-t-il été conçu pour remédier ?
   • Vitesse d'inférence lente et utilisation élevée de la mémoire
   • Étapes de raisonnement manquantes et erreurs de calcul
   • Résultats toxiques ou biaisés
   • Incapacité à produire un quelconque raisonnement
3. Qu'est-ce que la variante PS+ améliorée ajoute à l'invite de base Planifier et résoudre ?
   • Un modèle de langue seconde pour noter la réponse
   • Accès à une API de calculatrice
   • Instructions pour extraire des variables, calculer des résultats intermédiaires et s'occuper des nombres
   • Une obligation de répondre en JSON
4. Un avantage clé de Plan-and-Solve par rapport à une chaîne de pensée en quelques étapes est qu'il :
   • Atteint toujours une précision parfaite
   • Nécessite de recycler le modèle
   • Fonctionne uniquement sur les tâches de vision
   • Ne nécessite aucun exemple travaillé à la main dans l'invite
5. Sur quel type de benchmark Plan-and-Solve a-t-il été évalué de manière visible ?
   • Des tests de référence sur les problèmes de mots arithmétiques et mathématiques comme GSM8K
   • Ensembles de données de classification d'images
   • Corpus de reconnaissance vocale
   • Tâches de repliement des protéines
6. Pourquoi générer un plan avant les étapes détaillées a-t-il tendance à aider un modèle autorégressif ?
   • Il supprime la question d'origine du contexte
   • Les sous-objectifs du plan conditionnent les jetons de raisonnement ultérieurs produits par le modèle
   • Cela double le nombre de paramètres du modèle
   • Il fait passer le modèle en mode non texte
7. A prompt asks a model to list subgoals before solving a word problem. Which Plan-and-Solve stage does that implement?
   • A few-shot worked example
   • The final answer verification stage
   • The planning stage that decomposes the task before execution
   • A decoding-time beam search
8. A PS+ prompt reminds the model to extract quantities and calculate intermediate results. What is the intent of those reminders?
   • Replace the problem statement with demonstrations
   • Change the model’s parameters during inference
   • Guarantee every answer is correct
   • Reduce calculation and step omissions by directing attention to variables and intermediate quantities