Kuiz berkaitan panduan · Keras Tahap
Toolformer dan Kuiz Penggunaan Alat Belajar Sendiri
Menyemak penjanaan panggilan penyeliaan sendiri Toolformer, penapisan berasaskan kerugian, penanda API, alatan terpilih dan langkah penalaan halus terakhir.
soalan 1 daripada 8
Apakah yang menjadikan pendekatan Toolformer terhadap penggunaan alat pembelajaran tersendiri?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Apakah yang menjadikan pendekatan Toolformer terhadap penggunaan alat pembelajaran tersendiri?
- Ia menjana dan menapis contoh latihan panggilan alat sendiri yang diselia sendiri
- Ia bergantung pada beribu-ribu panggilan alat berlabel manusia
- Ia menggunakan pembelajaran pengukuhan daripada maklum balas manusia sahaja
- Ia mengekod keras setiap panggilan alat dengan tangan
- Kriteria manakah yang digunakan oleh Toolformer untuk memutuskan sama ada untuk mengekalkan panggilan API calon?
- Sama ada penilai manusia meluluskannya
- Sama ada keputusan panggilan mengurangkan kehilangan model pada token berikut
- Sama ada panggilan itu mengembalikan rentetan yang tidak kosong
- Sama ada panggilan berjalan dalam masa kurang satu saat
- Set alat manakah yang dipelajari oleh Toolformer asal?
- Penjana imej, pensintesis muzik dan pemapar 3D
- Hanya jurubahasa Python
- Kalkulator, sistem QA, enjin carian, penterjemah dan kalendar
- Pelayar web dan sistem fail sahaja
- Bagaimanakah panggilan alat diwakili dalam teks semasa proses Toolformer?
- Sebagai saluran audio yang berasingan
- Sebagai imej yang dilampirkan pada dokumen
- Sebagai entri dalam pangkalan data luaran sahaja
- Sebagai token khas yang menandakan panggilan API dan hasilnya sebaris
- Apakah kelemahan asas model bahasa besar yang mendorong Toolformer?
- Mereka lemah dalam aritmetik, fakta semasa dan carian yang tepat
- Mereka tidak boleh menghasilkan ayat yang lancar
- Mereka tidak boleh diperhalusi
- Mereka hanya bekerja dalam bahasa Inggeris
- Selepas menjana dan menapis contoh panggilan alat, apakah yang dilakukan oleh Toolformer dengannya?
- Buang mereka dan mulakan semula
- Perhalusi model pada set data yang dijana sendiri yang ditapis
- Menghantarnya kepada anotasi manusia untuk pelabelan semula
- Menyimpannya hanya untuk penilaian
- 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
- 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