思考の木クイズ

クイズに答えると、答えと解説が表示されます。

1. Tree of Thoughts は、思考連鎖プロンプトと根本的にどのように異なりますか?
   • 複数の推論分岐を調査し、後戻りすることができます
   • 新しいデータでモデルを再トレーニングします
   • 中間の推論ステップをすべて削除します
   • 画像生成のみに機能します
2. Tree of Thoughts システムを構成する 3 つのコンポーネントはどれですか?
   • トークナイザー、エンベッダー、デコーダー
   • 思考生成器、状態評価器、および検索アルゴリズム
   • エンコーダー、アテンションヘッド、ソフトマックス
   • データセット、オプティマイザー、損失関数
3. オリジナルの Tree of Thoughts Game of 24 の実験では、選択したテスト セットに対して幅 5 の検索でどのような結果が報告されましたか?
   • 100% success on every possible puzzle
   • 74% for every model and search budget
   • 74% success for GPT-4 with ToT, versus 4% for a single chain-of-thought baseline
   • 4% for ToT and 74% for chain-of-thought
4. Tree of Thoughts システムは通常、部分的な解決策をどのように評価しますか?
   • 外部データベースにクエリを実行することによって
   • GPU温度を測定することで
   • 使用したトークンの数をカウントすることで
   • モデルに状態を確実、おそらく、または不可能と評価するよう促すことによって
5. 既存のモデルに Tree of Thoughts を実装することについて正しいのはどれですか?
   • これはプロンプトと検索のラッパーであり、再トレーニングではありません
   • モデルを最初から再トレーニングする必要があります
   • 特殊なハードウェアでのみ実行可能
   • モデルの重みを永続的に変更します
6. 推論パスで中間結果をマージして再利用できる関連フレームワークはどれですか?
   • 線形回帰
   • 思考のグラフ
   • バッチ正規化
   • ビーム幅の枝刈り
7. Which components are commonly specified in a Tree of Thoughts setup?
   • A new tokenizer, an optimizer, and a training corpus
   • A database, a browser, and a GPU driver
   • Thought proposals, an intermediate-state evaluator, and a search procedure
   • A label encoder, a loss scaler, and a checkpoint
8. Why can Tree of Thoughts increase inference cost?
   • It always retrains the base model
   • It requires a separate model for every token
   • It eliminates all model calls after the first thought
   • It may generate and evaluate multiple candidate states across search steps