思考の木の推理クイズ

クイズに答えると、答えと解説が表示されます。

1. 思考の木と思考連鎖のプロンプトはどう違うのですか?
   • 1 つの直線的なチェーンではなく、複数の分岐した推論パスを探索します。
   • 推論ステップを完全に削除します
   • 画像入力でのみ動作します
   • 言語モデルをまったく使用しません
2. Tree-of-Thought では、単一のノードは通常何を表しますか?
   • 完全な最終回答のみ
   • 部分的な解決策または中間的な「考え」
   • ユーザーのクエリ
   • 訓練された体重
3. 状態評価者は Tree-of-Thoughts でどのような役割を果たしますか?
   • ユーザー向けの最終的な回答を作成します
   • モデルのメモリを削除します
   • 弱い枝を剪定できるほど、部分的な解決策がどの程度有望であるかをスコアします。
   • 言語間の翻訳を行います
4. ゲーム オブ 24 のベンチマークでは、ToT は、思考連鎖をおよそ何ジャンプで劇的に上回りましたか?
   • 90% から 95% の成功へ
   • まったく改善されない
   • 成功率は 50% から 51% へ
   • 約 4% から約 74% の成功
5. 思考ツリーをナビゲートするためにどの検索戦略が一般的に使用されますか?
   • 幅優先、深さ優先、またはビーム検索
   • あくまでランダムな推測です
   • アルファベット順の並べ替え
   • ピクセルの勾配降下法
6. Tree-of-Thoughts を使用する場合の主なコストのトレードオフは何ですか?
   • 時間を節約するために精度を下げます
   • より高い精度と引き換えに、より多くの推論計算が必要になります
   • 1 つを超えるモデル呼び出しは必要ありません
   • オフラインでのみ機能します
7. At one Tree-of-Thoughts node, what does the thought generator typically produce?
   • A final answer only, with no intermediate states
   • A new model checkpoint
   • Several candidate next thoughts that could extend the partial solution
   • A set of training labels for the prompt
8. What decision does the ToT search procedure make after candidate states are generated and scored?
   • Which tokenizer the model should use
   • Whether to change the model’s weights
   • How to label the original training corpus
   • Which branches to expand and which to prune or stop exploring