Kuis terkait panduan · Sedang Tingkat
Kuis yang Paling Sedikit hingga Paling Mendorong
Uji bagaimana Least-to-Most menguraikan pertanyaan-pertanyaan sulit dan menggunakan solusi berurutan untuk meningkatkan generalisasi yang mudah-ke-sulit.
Pertanyaan 1 dari 8
Apa saja dua tahap utama dari bisikan Paling Sedikit ke Paling Banyak?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa saja dua tahap utama dari bisikan Paling Sedikit ke Paling Banyak?
- Uraikan masalah menjadi beberapa subpertanyaan, lalu selesaikan secara berurutan
- Latih lalu sempurnakan
- Enkode lalu dekode
- Contoh banyak jawaban lalu pilih
- Apa perbedaan Least-to-Most dengan dorongan rantai pemikiran standar?
- Ia tidak menggunakan contoh sama sekali
- Ini secara eksplisit menguraikan masalah dan memasukkan setiap subjawaban ke langkah berikutnya
- Hal ini memerlukan penyempurnaan model
- Ini hanya berfungsi pada gambar
- What kind of task does the SCAN benchmark use to test compositional generalization?
- Classifying satellite images of fishing vessels
- Predicting fuel use from ship weather data
- Interpreting natural-language commands that combine primitive actions
- Aligning speech frames with handwritten characters
- Mengapa urutan subpertanyaan penting?
- Bukan; pesanannya acak
- Pertanyaan selanjutnya harus didahulukan
- Urutan hanya memengaruhi pemformatan
- Setiap subpertanyaan seharusnya hanya bergantung pada pertanyaan yang sudah diselesaikan sebelumnya
- Bagaimana jawaban perantara digunakan selama tahap penyelesaian?
- Prinsip-prinsip tersebut ditambahkan pada konteksnya sehingga langkah selanjutnya dapat dikembangkan berdasarkan konteks tersebut
- Mereka dibuang setelah setiap langkah
- Mereka dikirim ke model terpisah
- Mereka dirata-ratakan menjadi satu angka
- Apa risiko utama dalam rantai Least-to-Most?
- Ia tidak bisa menggunakan contoh
- Subjawaban awal yang salah dapat merusak semua langkah hilir
- Ini hanya berfungsi dalam satu bahasa
- Itu selalu membutuhkan cluster GPU
- What accuracy did the paper report for code-davinci-002 on the SCAN length split using Least-to-Most with 14 exemplars?
- About 16%
- Tepat 50%
- At least 99% on the reported setup
- Zero, because no demonstrations were used
- Besides SCAN, which task areas did the Least-to-Most paper also evaluate?
- Wildlife re-identification and acoustic classification
- Ship routing and port scheduling
- Image outpainting and watermark detection
- Symbolic manipulation and math reasoning