Quiz collegato alla guida · Medio Livello
Quiz sull'aggregazione della miscela di agenti
Esamina i ruoli di proponente e aggregatore del MdA, la condivisione a più livelli delle bozze, gli effetti della collaborazione e i compromessi sui costi di inferenza.
Domanda 1 di 8
In Mixture-of-Agents, qual è il ruolo del modello aggregatore?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- In Mixture-of-Agents, qual è il ruolo del modello aggregatore?
- Sintetizzare le risposte dei modelli proponenti in un'unica risposta migliorata
- Per eliminare tutte le bozze tranne una in modo casuale
- Per tradurre il prompt in codice
- Formare i modelli proponenti
- Su quale proprietà chiave dei LLM si basa il documento del MoA?
- Che gli LLM non possono leggere gli output di altri modelli
- Che i LLM producono risposte migliori quando vengono mostrate le risposte dei colleghi ("collaborabilità")
- Che i LLM sono sempre d'accordo
- I modelli più grandi non sono necessari
- In cosa differisce il MoA dal voto a maggioranza semplice?
- Sceglie la risposta più comune alla lettera
- Utilizza un solo modello
- L'aggregatore legge tutte le bozze come contesto e genera una nuova sintesi
- Ignora completamente i proponenti
- Perché la diversità tra i modelli proponenti è preziosa nel MdA?
- Garantisce risultati identici
- Riduce il numero di strati a zero
- Rende tutte le risposte sbagliate
- Diverse famiglie di modelli contribuiscono con punti di forza complementari che l'aggregatore può combinare
- Qual è il principale costo pratico dell’approccio del MdA?
- Latenza e calcolo più elevati, poiché ogni livello moltiplica le chiamate al modello
- Non richiede alcuna deduzione
- Può emettere solo una singola parola
- Elimina il prompt originale
- Cosa riporta il documento del MoA sui modelli open source su AlpacaEval 2.0?
- Non sono riusciti a eseguire il benchmark
- Un MoA di modelli aperti ha superato il punteggio di GPT-4 Omni
- I modelli aperti hanno sempre ottenuto zero
- Sono stati testati solo modelli chiusi
- What information is given to an agent in a later Mixture-of-Agents layer?
- Only the original prompt with all earlier drafts removed
- Only a majority-vote label
- The outputs produced by agents in the preceding layer
- A gradient update from each previous model
- What is the purpose of placing several proposer models in the first MoA layer?
- Train a shared base model from scratch
- Choose one response by majority vote and discard the rest
- Compress all outputs into a single token
- Create a set of candidate responses for later agents and the aggregator to use