計画と解決を促すクイズ

クイズに答えると、答えと解説が表示されます。

1. 計画と解決のプロンプトは、標準的なゼロショットの思考連鎖にどのような中心的な変化をもたらしますか?
   • まずモデルに計画を立てるよう求め、次にそれを段階的に実行します。
   • 計画データに基づいてモデルを微調整します
   • 段階的な推論を完全に排除します
   • プロンプトには数十の実際に動作するサンプルが必要です
2. Plan-and-Solve は、単純な思考連鎖のどの具体的な弱点に対処するために設計されましたか?
   • 推論速度が遅く、メモリ使用量が多い
   • 推論ステップの欠落と計算エラー
   • 有害または偏った出力
   • まったく推理力が発揮できない
3. 強化された PS+ バリアントは、基本的な計画と解決のプロンプトに何を追加しますか?
   • 解答を採点するための第 2 言語モデル
   • 電卓 API へのアクセス
   • 変数を抽出し、中間結果を計算し、数値に注意するための指示
   • JSON で回答する必要がある
4. 数回の思考連鎖に対する計画と解決の主な利点は次のとおりです。
   • 常に完璧な精度を実現
   • モデルの再トレーニングが必要
   • ビジョンタスクにのみ機能します
   • プロンプトに手作りの実際のサンプルは必要ありません
5. Plan-and-Solve はどのタイプのベンチマークで顕著に評価されましたか?
   • GSM8K などの算術および数学の文章問題のベンチマーク
   • 画像分類データセット
   • 音声認識コーパス
   • タンパク質の折り畳みタスク
6. 詳細な手順の前に計画を作成すると、自己回帰モデルに役立つ傾向があるのはなぜですか?
   • 元の質問がコンテキストから削除されます
   • 計画のサブ目標は、モデルが生成する後の推論トークンを条件付けします。
   • モデルのパラメータ数が 2 倍になります
   • モデルを非テキストモードに切り替えます
7. プロンプトでは、文章題を解く前にサブ目標をリストするようモデルに求められます。どの計画と解決の段階が実装されますか?
   • 数ショットでうまくいった例
   • 最終的な答えの検証段階
   • 実行前にタスクを分解する計画段階
   • デコード時のビームサーチ
8. PS+ プロンプトは、量を抽出して中間結果を計算するようにモデルに通知します。それらのリマインダーの意図は何ですか?
   • 問題の記述をデモンストレーションに置き換える
   • 推論中にモデルのパラメータを変更する
   • すべての答えが正しいことを保証する
   • 変数と中間量に注目することで計算とステップの省略を減らす