数的推理クイズのプロセス監修

クイズに答えると、答えと解説が表示されます。

1. Where does process supervision provide feedback compared with outcome supervision?
   • Only at the physical GPU temperature
   • At intermediate reasoning steps rather than only the final result
   • Only at the document filename
   • Only at an increased vocabulary size
2. 数学の問題において、結果のみを重視した監督が誤解を招くのはなぜでしょうか?
   • 計算が遅すぎる
   • 小数は扱えない
   • すべての問題に対して人間の採点者が必要です
   • モデルは、欠陥のあるステップを偶然打ち消して正しい答えに到達することができます。
3. OpenAI は、「ステップバイステップで検証してみましょう」の動作とともに何をリリースしましたか?
   • PRM800K、約 800,000 のステップレベルラベルのデータセット
   • 新しい GPU アーキテクチャ
   • GSM8Kテストセット
   • チェスエンジン
4. In best-of-N math selection with a process reward model, what does the verifier do?
   • Guarantees that a correct candidate was generated
   • Changes every tokenizer token into a proof axiom
   • Scores generated candidate solutions under the chosen aggregation rule
   • Replaces the original problem with a translation
5. 高価な人間によるステップラベルの必要性を減らすにはどのようなアプローチがありますか?
   • 報酬モデルを完全に無効にする
   • 各ステップの値を自動的に推定するモンテカルロ ロールアウト (Math-Shepherd など)
   • 最終的な答えのみを使用する
   • より多くの言語に関するトレーニング
6. What can low step-level verifier scores usefully indicate to someone reviewing a solution?
   • Steps that merit closer inspection
   • An infallible location of the first actual error
   • A mathematical proof that all other steps are correct
   • The exact temperature used to sample every token
7. For step scores 0.9 and 0.8, what is the solution score under a product aggregation rule?
   • 0.8
   • 0.85
   • 1.7
   • 0.72
8. Which data-selection strategy did Let’s Verify Step by Step study to improve labeling efficiency?
   • Choosing examples only by alphabetical filename order
   • Removing every incorrect-answer candidate from the labeling pool
   • Active learning that selected informative candidate solutions
   • Using an unlabeled test answer as the final human label