Gids-gekoppelde quiz · Middelmatig Niveau

Zelf-afstemmingsquiz

Ontdek zelfspel in Go en taalmodeltraining, vergelijk AlphaGo Zero met AlphaZero en onderzoek signalen van vaste data en risico's van synthetische data.

Gerelateerde gidspadenZelfafstemming met fijnafstemming
Vraag 1 van 8

Welk beroemde systeem bereikte bovenmenselijk Go-spel met alleen zelfspel en geen menselijke spelrecords?

Bekijk elke vraag8 vragen

Antwoorden en uitleg verschijnen terwijl je de quiz doet.

  1. Welk beroemde systeem bereikte bovenmenselijk Go-spel met alleen zelfspel en geen menselijke spelrecords?
    • AlphaGo Nul
    • Diep blauw
    • Watson
    • GPT-2
  2. Wat speelt in SPIN de rol van de 'tegenstander' die het model moet verslaan?
    • Een apart, door mensen getraind beloningsmodel
    • Het eigen vorige controlepunt van het model en de gegenereerde reacties
    • Een willekeurige tekstgenerator
    • De tokenizer
  3. Wat is het belangrijkste data-efficiëntievoordeel van zelfafstemming?
    • Het vereist elke ronde een gloednieuwe menselijke dataset
    • Het werkt alleen met oneindige gegevens
    • Het kan meer winst halen uit een vaste dataset zonder nieuwe menselijke labels
    • Er is helemaal geen model voor nodig
  4. Waartoe wordt het model gedwongen in de trainingsdoelstelling van SPIN?
    • Geef de voorkeur aan eigen gegenereerde antwoorden boven menselijke referenties
    • Negeer alle menselijke gegevens
    • Onthoud de testset
    • Ken een grotere waarschijnlijkheid toe aan menselijke referentiereacties dan aan zijn eigen eerdere outputs
  5. Which pair of games did the AlphaZero paper demonstrate beyond its Go experiments?
    • Chess and shogi
    • Poker and bridge
    • Checkers and Othello
    • Atari and StarCraft
  6. What risk did researchers report when language models are recursively trained on generated data?
    • Model collapse, with loss of diversity and representation of the original distribution
    • Guaranteed monotonic improvement at every iteration
    • Automatic prevention of distribution shift
    • A higher count of verified human labels
  7. What search component does AlphaGo Zero use alongside self-play?
    • A nearest-neighbor lookup over human game records
    • A language-model tokenizer
    • Monte Carlo tree search guided by a policy and value network
    • A fixed list of opening moves
  8. Why can automatic checkers be useful in self-play for math or code tasks?
    • They guarantee that a model never learns incorrect strategies
    • They replace the need for a task specification
    • They make all generated examples independent of the model
    • They can verify generated solutions without requiring a new human label for each attempt