自己調整による反復出力改善クイズ

クイズに答えると、答えと解説が表示されます。

1. Self-Refine ループで 1 つのモデルが果たす 3 つの役割は何ですか?
   • 生成者、批評家、改訂者
   • トレーナー、テスター、デプロイヤー
   • エンコーダ、デコーダ、分類器
   • プランナー、俳優、スコアラー
2. Self-Refine には、作業を促す以外に何が必要ですか?
   • 個別にトレーニングされた報酬モデル
   • 余分なものは何もありません。追加のトレーニングや報酬モデルは必要ありません
   • 人間のレビュー担当者も参加
   • きめ細かく調整された批評家ネットワーク
3. ドラフトの生成とは別のプロンプトでフィードバックを生成すると役立つのはなぜですか?
   • モデルからドラフトを非表示にします
   • トークン数が減ります
   • これにより、モデルは最初の試行を防御するのではなく、新しいフレームから評価できるようになります。
   • モデルのメモリを無効にします
4. 改良ステップを最も効果的にするのはどのようなフィードバックですか?
   • 「もっと良くしてね」といった漠然とした励まし
   • 詳細のない単純な数値スコア
   • ランダムな提案
   • 具体的な欠陥を指摘する、具体的で実用的なフィードバック
5. 自己調整が成果を改善できない傾向があるのはどのような場合ですか?
   • モデルが欠陥を検出できない場合、修正が必要になります
   • タスクが短いとき
   • プロンプトが英語の場合
   • 温度をゼロに設定した場合
6. 通常、ループはどのようにして停止を決定するのでしょうか?
   • 常に正確に 100 回実行されます
   • モデルが出力が十分であると判断するか、ステップ制限に達すると停止します。
   • 人間が認めたときだけ止まる
   • それは決して自分自身で止まることはありません
7. What information does Self-Refine feed into later refinement rounds?
   • Only the final token of the original prompt
   • A reward model's parameters
   • The draft together with the feedback history
   • A new human-written answer with no prior context
8. In the guide's coding example, what might the critic flag before a revision?
   • An incorrect microphone sample rate
   • A ship arriving outside its port window
   • A mismatch between image and audio codecs
   • Missing edge-case handling