Kuiz berkaitan panduan · Sederhana Tahap

Kuiz Penambahbaikan Output Berulang Perhalusi Sendiri

Semak draf, maklum balas dan gelung semakan Perhalusi Sendiri, termasuk penggunaan konteksnya dan had kritikan yang dijana model.

Laluan panduan yang berkaitanPenambahbaikan Output Berulang Perhalusi Sendiri
soalan 1 daripada 8

Apakah tiga peranan yang dimainkan oleh model tunggal dalam gelung Penapis Kendiri?

Pratonton setiap soalan8 soalan

Jawapan dan penjelasan muncul semasa anda mengambil kuiz.

  1. Apakah tiga peranan yang dimainkan oleh model tunggal dalam gelung Penapis Kendiri?
    • Penjana, pengkritik dan penyemak
    • Pelatih, penguji, pengerahan
    • Pengekod, penyahkod, pengelas
    • Perancang, pelakon, penjaring
  2. Apakah yang diperlukan Penyempurnaan Sendiri selain digesa untuk bekerja?
    • Model ganjaran terlatih secara berasingan
    • Tiada apa-apa tambahan; ia tidak memerlukan latihan tambahan atau model ganjaran
    • Pengulas manusia dalam gelung
    • Rangkaian pengkritik yang diperhalusi
  3. Mengapakah menjana maklum balas dalam gesaan berasingan daripada menjana draf membantu?
    • Ia menyembunyikan draf daripada model
    • Ia mengurangkan kiraan token
    • Ia membenarkan model menilai daripada pembingkaian baharu dan bukannya mempertahankan percubaan pertamanya
    • Ia melumpuhkan memori model
  4. Apakah jenis maklum balas yang menjadikan langkah pemurnian paling berkesan?
    • Dorongan yang samar-samar seperti 'jadikan ia lebih baik'
    • Skor angka mudah tanpa butiran
    • Cadangan rawak
    • Maklum balas yang spesifik dan boleh diambil tindakan yang menunjukkan kelemahan konkrit
  5. Bilakah Penyempurnaan Kendiri cenderung gagal untuk meningkatkan output?
    • Apabila model tidak dapat mengesan kecacatan, ia perlu diperbaiki
    • Apabila tugas itu singkat
    • Apabila gesaan dalam bahasa Inggeris
    • Apabila suhu ditetapkan kepada sifar
  6. Bagaimanakah gelung biasanya memutuskan untuk berhenti?
    • Ia sentiasa berjalan tepat 100 kali
    • Ia berhenti apabila model menilai output cukup baik atau mencapai had langkah
    • Ia berhenti hanya apabila manusia bersetuju
    • Ia tidak pernah berhenti dengan sendirinya
  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