Kuiz berkaitan panduan · Sederhana Tahap
Kuiz Penaakulan Pokok-Pemikiran
Menyemak percabangan Pokok Fikiran, penjanaan calon, penilaian negeri, pemangkasan, strategi carian dan tukar ganti pengiraan inferens.
soalan 1 daripada 8
Bagaimanakah Tree-of-Thoughts berbeza daripada rantaian-fikiran gesaan?
Pratonton setiap soalan8 soalan
Jawapan dan penjelasan muncul semasa anda mengambil kuiz.
- Bagaimanakah Tree-of-Thoughts berbeza daripada rantaian-fikiran gesaan?
- Ia meneroka berbilang laluan penaakulan percabangan dan bukannya satu rantaian linear
- Ia menghapuskan langkah penaakulan sepenuhnya
- Ia hanya berfungsi pada input imej
- Ia tidak menggunakan model bahasa sama sekali
- Dalam Tree-of-Thoughts, apakah yang biasanya diwakili oleh satu nod?
- Jawapan akhir yang lengkap sahaja
- Penyelesaian separa atau 'pemikiran' perantaraan
- Pertanyaan pengguna
- Berat terlatih
- Apakah peranan yang dimainkan oleh penilai negeri dalam Tree-of-Thoughts?
- Ia menulis jawapan terakhir yang dihadapi pengguna
- Ia memadamkan memori model
- Ia menilai bagaimana penyelesaian separa yang menjanjikan adalah cawangan yang begitu lemah boleh dipangkas
- Ia menterjemah antara bahasa
- Pada penanda aras Permainan 24, ToT secara dramatik mengatasi rantaian pemikiran secara kasar dengan lompatan apa?
- Dari 90% hingga 95% berjaya
- Tiada peningkatan langsung
- Dari 50% kepada 51% kejayaan
- Daripada kira-kira 4% kepada kira-kira 74% kejayaan
- Strategi carian manakah yang biasa digunakan untuk menavigasi pokok pemikiran?
- Breadth-first, depth-first, atau carian pancaran
- Hanya meneka secara rawak
- Pengisihan mengikut abjad
- Penurunan kecerunan pada piksel
- Apakah pertukaran kos utama menggunakan Tree-of-Thoughts?
- Ia mengurangkan ketepatan untuk menjimatkan masa
- Ia memerlukan lebih banyak pengiraan inferens sebagai pertukaran untuk ketepatan yang lebih tinggi
- Ia tidak memerlukan panggilan model melebihi satu panggilan
- Ia hanya berfungsi di luar talian
- 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
- 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