자체 일관성 디코딩 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 자기 일관성 디코딩은 언어 모델에서 최종 답을 어떻게 선택합니까?
   • 다양한 추론 경로를 샘플링하고 답변에 대해 다수결 투표를 하세요.
   • 항상 각 단계에서 가장 가능성이 높은 단일 토큰을 선택하세요.
   • 자체 출력에 대해 모델을 반복적으로 학습합니다.
   • 생성에서 모든 무작위성을 제거합니다.
2. Under what condition can self-consistency improve answer accuracy?
   • Whenever the number of samples increases
   • When correct sampled paths converge and errors are not too strongly correlated
   • When every reasoning chain has identical wording
   • Only when the model weights are retrained
3. 자기 일관성은 어떤 디코딩 방법을 대체합니까?
   • 역전파
   • 토큰화
   • 단일 체인의 그리디 디코딩
   • 가중치 양자화
4. 샘플링된 각 체인의 어느 부분이 실제로 최종 투표에 사용됩니까?
   • 전체 추론 텍스트
   • 생성된 토큰 수
   • 온도 설정
   • 최종 답변만
5. What is the main cost of increasing the number of self-consistency samples?
   • More inference compute; accuracy gains depend on the task and can have diminishing returns
   • It retrains the model weights after every response
   • It guarantees that the majority is correct
   • It eliminates the need to sample any reasoning paths
6. 자기 일관성은 어떤 더 넓은 개념의 초기 예입니까?
   • 모델 압축
   • 추론 시간 확장(더 나은 추론을 위해 추가 컴퓨팅 소비)
   • 훈련 중 데이터 확대
   • 하드웨어 가속
7. Why may answer normalization be useful before a self-consistency vote?
   • It makes all reasoning paths independent
   • It verifies the answer against external evidence
   • It can group semantically equivalent answers that use different formatting
   • It changes the model’s sampled probabilities
8. What is a key limitation of a majority answer from self-consistency?
   • A majority vote cannot be computed for text
   • Sampling always changes the model weights
   • Every reasoning path is guaranteed independent
   • Correlated reasoning errors can make an incorrect answer win the vote