Quiz collegato alla guida · Medio Livello
Quiz sul ragionamento sull'albero dei pensieri
Controlla la ramificazione dell'albero dei pensieri, la generazione dei candidati, la valutazione dello stato, la potatura, le strategie di ricerca e i compromessi tra calcolo e inferenza.
Domanda 1 di 8
In che modo l'Albero dei pensieri differisce dalla catena di pensieri?
Anteprima di ogni domanda8 domande
Le risposte e le spiegazioni vengono visualizzate mentre rispondi al quiz.
- In che modo l'Albero dei pensieri differisce dalla catena di pensieri?
- Esplora più percorsi di ragionamento ramificati invece di una catena lineare
- Rimuove completamente i passaggi del ragionamento
- Funziona solo su input di immagini
- Non utilizza alcun modello linguistico
- Nell'Albero dei Pensieri, cosa rappresenta tipicamente un singolo nodo?
- Solo una risposta finale completa
- Una soluzione parziale o un "pensiero" intermedio
- Una query dell'utente
- Un peso allenato
- Che ruolo gioca il valutatore dello stato nell’Albero dei Pensieri?
- Scrive la risposta finale rivolta all'utente
- Cancella la memoria del modello
- Si valuta quanto siano promettenti le soluzioni parziali in modo che i rami deboli possano essere potati
- Si traduce tra le lingue
- Nel benchmark Game of 24, ToT ha nettamente sovraperformato la catena di pensiero e di quale salto?
- Dal 90% al 95% di successo
- Nessun miglioramento
- Dal 50% al 51% di successo
- Da circa il 4% a circa il 74% di successo
- Quali strategie di ricerca sono comunemente utilizzate per navigare nell'albero del pensiero?
- Ricerca prima in ampiezza, prima in profondità o in trave
- Solo ipotesi casuali
- Ordinamento alfabetico
- Discesa gradiente sui pixel
- Qual è il principale compromesso in termini di costi nell’utilizzo dell’Albero dei Pensieri?
- Riduce la precisione per risparmiare tempo
- Richiede più calcoli di inferenza in cambio di una maggiore precisione
- Non ha bisogno di chiamate di modelli oltre una
- Funziona solo offline
- At one Tree-of-Thoughts node, what does the thought generator typically produce?
- A final answer only, with no intermediate states
- A new model checkpoint
- Several candidate next thoughts that could extend the partial solution
- A set of training labels for the prompt
- What decision does the ToT search procedure make after candidate states are generated and scored?
- Which tokenizer the model should use
- Whether to change the model’s weights
- How to label the original training corpus
- Which branches to expand and which to prune or stop exploring