Quiz collegato alla guida · Medio Livello

Quiz sulla ricerca degli alberi di Monte Carlo

Controlla le fasi di iterazione MCTS, l'esplorazione dell'UCT, la simulazione del lancio, la scelta dello spostamento principale e il modo in cui AlphaGo ha combinato la ricerca con le reti.

Percorsi guida correlatiRicerca dell'albero di Monte Carlo
Domanda 1 di 8

Quali sono i quattro passaggi principali di un'iterazione Monte Carlo Tree Search?

Anteprima di ogni domanda8 domande

Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.

  1. Quali sono i quattro passaggi principali di un'iterazione Monte Carlo Tree Search?
    • Selezione, Espansione, Simulazione, Backpropagation
    • Ordina, filtra, unisci, produci
    • Codificare, decodificare, partecipare, prevedere
    • Formare, convalidare, testare, implementare
  2. Cosa bilancia la formula di selezione del UCT?
    • Velocità contro memoria
    • Sfruttamento di mosse di alto valore rispetto all'esplorazione di quelle poco visitate
    • Formazione contro inferenza
    • Larghezza rispetto alla profondità della rete
  3. Nel classico MCTS, cosa succede durante la fase di "simulazione" (implementazione)?
    • L'albero viene eliminato
    • La rete neurale viene riqualificata
    • Il gioco si svolge con un risultato dal nuovo nodo
    • Tutti i bambini vengono espansi contemporaneamente
  4. What roles did AlphaGo’s policy and value networks play in its MCTS search?
    • The policy network computed transitions and the value network chose the root child
    • Both networks performed random rollouts without evaluating positions
    • The value network proposed legal moves while the policy network estimated terminal rewards
    • The policy network guided move selection and the value network estimated position strength; AlphaGo also used a rollout policy
  5. Dopo molte iterazioni, in che modo MCTS sceglie solitamente la mossa finale da giocare?
    • Il figlio root con il maggior numero di visite
    • La mossa con la ricompensa immediata più alta
    • Un bambino a caso
    • Il nodo più profondo dell'albero
  6. Cosa rende MuZero notevole rispetto ad AlphaZero?
    • Non utilizza reti neurali
    • Apprende il proprio modello di ambiente, quindi può pianificare senza che gli vengano date delle regole
    • Riproduce solo Go
    • Abbandona la ricerca degli alberi
  7. In the UCT selection score, what does the exploration term reward?
    • Only the child with the highest raw reward
    • Moves that have already been selected most often, regardless of value
    • Children with fewer visits relative to their parent, encouraging further sampling
    • A random rollout’s final board size
  8. Which MCTS iteration step adds a new child to the existing tree?
    • Selection
    • Simulation
    • Propagazione all'indietro
    • Expansion