Quiz collegato alla guida · Medio Livello

Quiz sulla decodifica dell'autocoerenza

Spiega il voto a maggioranza su percorsi di ragionamento campionati, l'estrazione delle risposte, i costi di inferenza e perché il consenso può ancora essere sbagliato.

Percorsi guida correlatiDecodifica di autoconsistenza
Domanda 1 di 8

How does self-consistency decoding pick a final answer from a language model?

Anteprima di ogni domanda8 domande

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

  1. How does self-consistency decoding pick a final answer from a language model?
    • Prova molti percorsi di ragionamento e ottieni un voto a maggioranza sulla risposta
    • Scegli sempre il singolo token più probabile ad ogni passaggio
    • Addestra ripetutamente il modello sui propri output
    • Rimuovi tutta la casualità dalla generazione
  2. Under what condition can self-consistency improve answer accuracy?
    • Whenever the number of samples increases
    • When correct sampled paths converge and errors are not too strongly correlated
    • When every reasoning chain has identical wording
    • Only when the model weights are retrained
  3. Quale metodo di decodifica sostituisce l'autoconsistenza?
    • Propagazione all'indietro
    • Tokenizzazione
    • Decodifica golosa di una singola catena
    • Quantizzazione del peso
  4. Quale parte di ciascuna catena campionata viene effettivamente utilizzata nella votazione finale?
    • Il testo completo della motivazione
    • Il numero di token generati
    • L'impostazione della temperatura
    • Solo la risposta finale
  5. What is the main cost of increasing the number of self-consistency samples?
    • More inference compute; accuracy gains depend on the task and can have diminishing returns
    • It retrains the model weights after every response
    • It guarantees that the majority is correct
    • It eliminates the need to sample any reasoning paths
  6. L’autocoerenza è un primo esempio di quale concetto più ampio?
    • Compressione del modello
    • Scaling del tempo di inferenza (spendere ulteriore calcolo per ragionare meglio)
    • Aumento dei dati durante l'allenamento
    • Accelerazione hardware
  7. Why may answer normalization be useful before a self-consistency vote?
    • It makes all reasoning paths independent
    • It verifies the answer against external evidence
    • It can group semantically equivalent answers that use different formatting
    • It changes the model’s sampled probabilities
  8. What is a key limitation of a majority answer from self-consistency?
    • A majority vote cannot be computed for text
    • Sampling always changes the model weights
    • Every reasoning path is guaranteed independent
    • Correlated reasoning errors can make an incorrect answer win the vote