Quiz sur l'arbre des pensées

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

1. En quoi l’Arbre des Pensées diffère-t-il fondamentalement de l’incitation à la chaîne de pensée ?
   • Il explore plusieurs branches de raisonnement et peut revenir en arrière
   • Il recycle le modèle sur de nouvelles données
   • Il supprime toutes les étapes de raisonnement intermédiaires
   • Cela ne fonctionne que pour la génération d'images
2. Quels sont les trois composants qui composent un système d’Arbre de Pensées ?
   • Tokenizer, intégration et décodeur
   • Générateur de pensées, évaluateur d'état et algorithme de recherche
   • Encodeur, tête d'attention et softmax
   • Ensemble de données, optimiseur et fonction de perte
3. In the original Tree of Thoughts Game of 24 experiment, what result did breadth-five search report for its selected test set?
   • 100% success on every possible puzzle
   • 74% for every model and search budget
   • 74% success for GPT-4 with ToT, versus 4% for a single chain-of-thought baseline
   • 4% for ToT and 74% for chain-of-thought
4. Comment un système d’Arbre de Pensées évalue-t-il généralement les solutions partielles ?
   • En interrogeant une base de données externe
   • En mesurant la température du GPU
   • En comptant le nombre de jetons utilisés
   • En incitant le modèle à évaluer les États comme étant sûrs, peut-être ou impossibles
5. Qu’est-ce qui est vrai dans la mise en œuvre de Tree of Thoughts sur un modèle existant ?
   • Il s'agit d'un wrapper d'invite et de recherche, pas de recyclage
   • Cela nécessite de recycler le modèle à partir de zéro
   • Il ne peut fonctionner que sur du matériel spécialisé
   • Il modifie de manière permanente les poids du modèle
6. Quel cadre associé permet de fusionner les chemins de raisonnement et de réutiliser les résultats intermédiaires ?
   • Régression linéaire
   • Graphique des pensées
   • Normalisation par lots
   • Taille en largeur de faisceau
7. Which components are commonly specified in a Tree of Thoughts setup?
   • A new tokenizer, an optimizer, and a training corpus
   • A database, a browser, and a GPU driver
   • Thought proposals, an intermediate-state evaluator, and a search procedure
   • A label encoder, a loss scaler, and a checkpoint
8. Why can Tree of Thoughts increase inference cost?
   • It always retrains the base model
   • It requires a separate model for every token
   • It eliminates all model calls after the first thought
   • It may generate and evaluate multiple candidate states across search steps