Kuis terkait panduan · Sedang Tingkat
Kuis Penalaran Pohon Pikiran
Memeriksa percabangan Pohon Pemikiran, pembuatan kandidat, evaluasi negara bagian, pemangkasan, strategi pencarian, dan pertukaran perhitungan inferensi.
Pertanyaan 1 dari 8
Apa perbedaan antara Tree-of-Thoughts dengan rangkaian pemikiran?
Pratinjau setiap pertanyaan8 pertanyaan
Jawaban dan penjelasan muncul saat Anda mengikuti kuis.
- Apa perbedaan antara Tree-of-Thoughts dengan rangkaian pemikiran?
- Ini mengeksplorasi beberapa jalur penalaran yang bercabang, bukan satu rantai linier
- Ini menghilangkan langkah-langkah penalaran sepenuhnya
- Ini hanya berfungsi pada input gambar
- Ia tidak menggunakan model bahasa sama sekali
- Dalam Tree-of-Thoughts, apa yang biasanya diwakili oleh satu node?
- Jawaban akhir yang lengkap saja
- Solusi parsial atau 'pemikiran' perantara
- Permintaan pengguna
- Beban yang terlatih
- Peran apa yang dimainkan oleh evaluator negara bagian dalam Tree-of-Thoughts?
- Itu menulis jawaban akhir yang dihadapi pengguna
- Ini menghapus memori model
- Ini menilai betapa menjanjikannya solusi parsial sehingga cabang-cabang yang lemah dapat dipangkas
- Ini menerjemahkan antar bahasa
- Pada benchmark Game of 24, ToT secara dramatis mengungguli rantai pemikiran secara kasar dalam lompatan apa?
- Dari 90% hingga 95% sukses
- Tidak ada perbaikan sama sekali
- Dari 50% hingga 51% keberhasilan
- Dari sekitar 4% hingga sekitar 74% keberhasilan
- Strategi pencarian manakah yang biasa digunakan untuk menavigasi pohon pemikiran?
- Pencarian lebar-pertama, kedalaman-pertama, atau sinar
- Hanya tebakan acak
- Penyortiran berdasarkan abjad
- Penurunan gradien pada piksel
- Apa pengorbanan biaya utama dalam menggunakan Tree-of-Thoughts?
- Ini mengurangi akurasi untuk menghemat waktu
- Hal ini memerlukan lebih banyak komputasi inferensi sebagai imbalan atas akurasi yang lebih tinggi
- Tidak diperlukan panggilan model lebih dari satu
- Ini hanya berfungsi offline
- At one Tree-of-Thoughts node, what does the thought generator typically produce?
- A final answer only, with no intermediate states
- A new model checkpoint
- Several candidate next thoughts that could extend the partial solution
- A set of training labels for the prompt
- What decision does the ToT search procedure make after candidate states are generated and scored?
- Which tokenizer the model should use
- Whether to change the model’s weights
- How to label the original training corpus
- Which branches to expand and which to prune or stop exploring