Quiz de décodage parallèle du squelette de la pensée

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

1. Que produit la première étape du Squelette de la Pensée ?
   • Une réponse finale complète
   • Un point de contrôle du modèle affiné
   • Un bref squelette de titres de points
   • Un ensemble d'étiquettes de formation
2. Pourquoi l’étape d’expansion de points peut-elle se dérouler en parallèle ?
   • Parce que chaque point dépend du précédent
   • Parce que les points sont largement indépendants les uns des autres
   • Parce que le modèle est recyclé pour le parallélisme
   • Parce que les jetons sont générés à l'envers
3. Quelles sont les principales cibles SoT des goulots d’étranglement dans le décodage LLM normal ?
   • Latence séquentielle jeton par jeton
   • Vitesse de lecture du disque
   • Taille du vocabulaire du Tokenizer
   • Bande passante du réseau pour l'utilisateur
4. Which answer structure is a good fit for Skeleton-of-Thought's parallel expansion?
   • A proof whose next step must use the previous step's newly derived result
   • A single fixed one-word output with no expansion
   • A procedure that requires each section to wait for all earlier outputs
   • Several sections that can be developed largely independently
5. What extra work should a Skeleton-of-Thought latency comparison include?
   • Only the longest point while ignoring every other stage
   • Generating the outline, coordinating point expansion, and assembling the final response
   • Mandatory full model retraining for every answer
   • A guarantee that overhead is always exactly the same fixed duration
6. How can local batched Skeleton-of-Thought decoding expand multiple points?
   • Generate every token of every paragraph in one complete forward pass
   • Retrain a new model for each heading
   • Advance the point sequences together across repeated decoding steps
   • Remove autoregressive dependencies within every point automatically
7. If Skeleton-of-Thought reduces answer latency, what other assessment remains necessary before adopting the workflow?
   • Treat the speedup as proof that all factual claims are correct
   • Measure only the spelling of the model's name
   • Assume outline ordering guarantees that every section agrees
   • Check whether the assembled response remains coherent and meets answer-quality requirements
8. After concurrent point expansion, how should Skeleton-of-Thought outputs be assembled into the answer?
   • Associate expansions with their skeleton points and combine them in the intended outline order
   • Shuffle the sections randomly regardless of their headings
   • Treat the first finished point as the entire answer
   • Discard the outline and keep only token counts