Útmutatóhoz kapcsolódó kvíz · Közepes Szint

Önfinomító iteratív kimenet javítási kvíz

Review Self-Refine's draft, feedback, and revision loop, including its context use and the limits of model-generated critique.

Kapcsolódó útmutató utakÖnfinomult iteratív kimeneti fejlesztés
kérdés 1 -ból 8

Milyen három szerepet tölt be egyetlen modell az Önfinomító hurokban?

Tekintse meg az összes kérdést8 kérdéseket

A válaszok és magyarázatok megjelennek a kvíz kitöltésekor.

  1. Milyen három szerepet tölt be egyetlen modell az Önfinomító hurokban?
    • Generátor, kritikus és lektor
    • Tréner, tesztelő, telepítő
    • Kódoló, dekódoló, osztályozó
    • Tervező, színész, pontszerző
  2. Mire van szükség az önfinomításhoz a munkára késztetésen túl?
    • Külön kiképzett jutalommodell
    • Semmi extra; nem igényel további képzést vagy jutalmazási modellt
    • Humán lektorok a hurokban
    • Egy finomhangolt kritikus hálózat
  3. Miért hasznos a visszajelzés generálása külön promptban, mint a piszkozat létrehozása?
    • Elrejti a piszkozatot a modell elől
    • Csökkenti a token számát
    • Lehetővé teszi, hogy a modell egy új keretből kiértékelje az első kísérlet megvédése helyett
    • Letiltja a modell memóriáját
  4. Milyen visszajelzés teszi a leghatékonyabbá a finomítási lépést?
    • homályos bátorítás, például „tegyük jobbá”
    • Egyszerű numerikus pontszám részlet nélkül
    • Véletlenszerű javaslatok
    • Konkrét, végrehajtható visszajelzések, amelyek konkrét hibákra mutatnak rá
  5. Mikor az Self-Refine általában nem javítja a kimenetet?
    • Ha a modell nem tudja észlelni a hibát, ki kell javítania
    • Amikor a feladat rövid
    • Amikor a prompt angol nyelvű
    • Amikor a hőmérséklet nullára van állítva
  6. Hogyan dönt a hurok általában, hogy megáll?
    • Mindig pontosan 100-szor fut
    • Leáll, ha a modell elég jónak ítéli meg a kimenetet, vagy elér egy lépéshatárt
    • Csak akkor áll le, ha az ember jóváhagyja
    • Soha nem áll meg magától
  7. What information does Self-Refine feed into later refinement rounds?
    • Only the final token of the original prompt
    • A reward model's parameters
    • The draft together with the feedback history
    • A new human-written answer with no prior context
  8. In the guide's coding example, what might the critic flag before a revision?
    • An incorrect microphone sample rate
    • A ship arriving outside its port window
    • A mismatch between image and audio codecs
    • Missing edge-case handling