モンテカルロ木探索クイズ

クイズに答えると、答えと解説が表示されます。

1. モンテカルロ木検索反復の 4 つの主なステップは何ですか?
   • 選択、拡張、シミュレーション、バックプロパゲーション
   • ソート、フィルター、マージ、出力
   • エンコード、デコード、出席、予測
   • トレーニング、検証、テスト、デプロイ
2. UCT 選択式のバランスは何ですか?
   • 速度とメモリの関係
   • 高価値の動きの活用と、あまり訪問されていない動きの探索
   • トレーニングと推論
   • ネットワークの幅と深さ
3. 従来の MCTS では、「シミュレーション」(ロールアウト) ステップ中に何が起こりますか?
   • ツリーが削除されました
   • ニューラルネットワークが再トレーニングされる
   • ゲームは新しいノードからの結果に基づいて実行されます
   • すべての子が一度に展開されます
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. 何度も繰り返した後、MCTS は通常どのように最終的な手を選択するのでしょうか?
   • 最も多くのアクセスを持つルートの子
   • 即時報酬が最も高い動き
   • ランダムな子
   • ツリーの最も深いノード
6. AlphaZeroと比較してMuZeroが注目すべき点は何ですか?
   • ニューラルネットワークは使用しません
   • 独自の環境モデルを学習するため、ルールを与えられずに計画を立てることができます
   • 囲碁だけをプレイします
   • ツリー探索を放棄します
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
   • バックプロパゲーション
   • Expansion