Quiz collegato alla guida · Difficile Livello
Toolformer e strumento autodidatta sull'utilizzo del quiz
Controlla la generazione di chiamate auto-supervisionate di Toolformer, il filtraggio basato sulle perdite, i marcatori API, gli strumenti selezionati e la fase finale di messa a punto.
Domanda 1 di 8
Cosa rende distintivo l'approccio di Toolformer all'utilizzo degli strumenti di apprendimento?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- Cosa rende distintivo l'approccio di Toolformer all'utilizzo degli strumenti di apprendimento?
- Genera e filtra i propri esempi di formazione con chiamate agli strumenti autosupervisionati
- Si basa su migliaia di chiamate a strumenti etichettati da esseri umani
- Utilizza l'apprendimento per rinforzo solo dal feedback umano
- Codifica manualmente ogni chiamata dello strumento
- Quale criterio utilizza Toolformer per decidere se mantenere una chiamata API candidata?
- Se un valutatore umano lo approva
- Se il risultato della chiamata riduce la perdita del modello sui seguenti segnalini
- Indica se la chiamata restituisce una stringa non vuota
- Se la chiamata viene eseguita in meno di un secondo
- Quale set di strumenti ha imparato a utilizzare il Toolformer originale?
- Generatore di immagini, sintetizzatore musicale e renderer 3D
- Solo un interprete Python
- Calcolatrice, sistema di controllo qualità, motore di ricerca, traduttore e calendario
- Solo un browser Web e un file system
- Come vengono rappresentate le chiamate degli strumenti nel testo durante il processo di Toolformer?
- Come canali audio separati
- Come immagini allegate al documento
- Solo come voci in un database esterno
- Come token speciali che contrassegnano la chiamata API e il suo risultato in linea
- Quale debolezza di fondo dei grandi modelli linguistici ha motivato Toolformer?
- Sono poveri in aritmetica, fatti attuali e ricerche precise
- Non possono generare frasi fluenti
- Non possono essere messi a punto
- Funzionano solo in inglese
- Dopo aver generato e filtrato gli esempi di chiamate allo strumento, cosa fa Toolformer con essi?
- Li scarta e ricomincia da capo
- Ottimizza il modello sul set di dati filtrato e autogenerato
- Li invia ad annotatori umani per la rietichettatura
- Li memorizza solo per la valutazione
- 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
- 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