Toolformer 및 독학 도구 사용 퀴즈

퀴즈를 풀면 정답과 설명이 나타납니다.

1. 학습 도구 사용에 대한 Toolformer의 접근 방식이 독특한 이유는 무엇입니까?
   • 자체 감독되는 자체 도구 호출 훈련 예제를 생성하고 필터링합니다.
   • 사람이 라벨을 붙인 수천 개의 도구 호출에 의존합니다.
   • 인간 피드백으로부터만 강화 학습을 사용합니다.
   • 모든 도구 호출을 수동으로 하드 코딩합니다.
2. Toolformer는 후보 API 호출을 유지할지 여부를 결정하기 위해 어떤 기준을 사용합니까?
   • 인간 평가자가 승인하는지 여부
   • 호출 결과가 다음 토큰에 대한 모델의 손실을 줄이는지 여부
   • 호출이 비어 있지 않은 문자열을 반환하는지 여부
   • 통화가 1초 이내에 실행되는지 여부
3. 원래 Toolformer는 어떤 도구 세트를 사용하도록 배웠습니까?
   • 이미지 생성기, 음악 신디사이저 및 3D 렌더러
   • Python 인터프리터만 가능
   • 계산기, QA 시스템, 검색엔진, 번역기, 캘린더
   • 웹 브라우저와 파일 시스템만
4. Toolformer 프로세스 중 도구 호출은 텍스트에 어떻게 표시됩니까?
   • 별도의 오디오 채널로
   • 문서에 이미지가 첨부됨
   • 외부 데이터베이스의 항목으로만
   • API 호출과 그 결과를 인라인으로 표시하는 특수 토큰
5. Toolformer에 동기를 부여한 대규모 언어 모델의 근본적인 약점은 무엇입니까?
   • 그들은 산술, 현재 사실, 정확한 조회에 능숙하지 않습니다.
   • 유창한 문장을 생성할 수 없습니다.
   • 미세 조정할 수 없습니다.
   • 그들은 영어로만 일해요
6. 도구 호출 예제를 생성하고 필터링한 후 Toolformer는 이를 사용하여 무엇을 합니까?
   • 그것들을 버리고 다시 시작한다
   • 필터링된 자체 생성 데이터 세트에서 모델을 미세 조정합니다.
   • 라벨 재지정을 위해 인간 주석자에게 보냅니다.
   • 평가용으로만 저장합니다.
7. Why compare the next-token loss with and without an API result when filtering a candidate call?
   • To select the API with the longest response
   • To remove all calls that change the context
   • To retain calls whose result improves prediction of the following real text
   • To maximize the number of API calls per paragraph
8. Once useful tool-call examples are filtered, how does Toolformer incorporate them?
   • It discards them and trains only on human ratings
   • It changes the API results into class labels
   • It retrains each external API from scratch
   • It fine-tunes on the resulting self-generated examples