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.

  1. 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
  2. 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
  3. 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
  4. 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
  5. 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
  6. 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
  7. 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
  8. 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