Kuis Penggunaan Alat dan Alat Otodidak

Jawaban dan penjelasan muncul saat Anda mengikuti kuis.

1. Apa yang membuat pendekatan Toolformer terhadap penggunaan alat pembelajaran berbeda?
   • Ini menghasilkan dan memfilter contoh pelatihan panggilan alatnya sendiri yang diawasi sendiri
   • Hal ini bergantung pada ribuan panggilan alat yang diberi label manusia
   • Ini hanya menggunakan pembelajaran penguatan dari umpan balik manusia
   • Ini mengkodekan setiap panggilan alat dengan tangan
2. Kriteria manakah yang digunakan Toolformer untuk memutuskan apakah akan mempertahankan panggilan API kandidat?
   • Apakah penilai manusia menyetujuinya
   • Apakah hasil panggilan tersebut mengurangi kerugian model pada token berikut
   • Apakah panggilan tersebut mengembalikan string yang tidak kosong
   • Apakah panggilan berjalan dalam waktu kurang dari satu detik
3. Kumpulan alat manakah yang dipelajari oleh Toolformer asli?
   • Generator gambar, penyintesis musik, dan penyaji 3D
   • Hanya penerjemah Python
   • Kalkulator, sistem QA, mesin pencari, penerjemah, dan kalender
   • Hanya browser web dan sistem file
4. Bagaimana pemanggilan alat direpresentasikan dalam teks selama proses Toolformer?
   • Sebagai saluran audio terpisah
   • Sebagai gambar yang ditambahkan ke dokumen
   • Sebagai entri dalam database eksternal saja
   • Sebagai token khusus yang menandai panggilan API dan hasilnya sebaris
5. Kelemahan mendasar apa yang mendasari model bahasa besar yang memotivasi Toolformer?
   • Mereka buruk dalam hal aritmatika, fakta terkini, dan pencarian yang tepat
   • Mereka tidak dapat menghasilkan kalimat yang lancar
   • Mereka tidak dapat disetel dengan baik
   • Mereka hanya bekerja dalam bahasa Inggris
6. Setelah membuat dan memfilter contoh pemanggilan alat, apa yang dilakukan Toolformer dengan contoh tersebut?
   • Buang mereka dan mulai lagi dari awal
   • Menyempurnakan model pada kumpulan data yang difilter dan dibuat sendiri
   • Mengirimkannya ke anotator manusia untuk diberi label ulang
   • Menyimpannya hanya untuk evaluasi
7. Why compare the next-token loss with and without an API result when filtering a candidate call?
   • To select the API with the longest response
   • To remove all calls that change the context
   • To retain calls whose result improves prediction of the following real text
   • To maximize the number of API calls per paragraph
8. Once useful tool-call examples are filtered, how does Toolformer incorporate them?
   • It discards them and trains only on human ratings
   • It changes the API results into class labels
   • It retrains each external API from scratch
   • It fine-tunes on the resulting self-generated examples