Gids-gekoppelde quiz · Middelmatig Niveau
Zelfverfijnde quiz voor iteratieve uitvoerverbetering
Bekijk de concept-, feedback- en revisiecyclus van Self-Refine, inclusief het contextgebruik en de grenzen van door modellen gegenereerde kritiek.
Vraag 1 van 8
Welke drie rollen speelt een enkel model in de Self-Refine-lus?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Welke drie rollen speelt een enkel model in de Self-Refine-lus?
- Generator, criticus en revisor
- Trainer, tester, uitvoerder
- Encoder, decoder, classificator
- Planner, acteur, doelpuntenmaker
- Wat heeft Self-Refine nodig naast het aansporen om te werken?
- Een afzonderlijk getraind beloningsmodel
- Niets extra's; het heeft geen extra training of beloningsmodel nodig
- Menselijke recensenten op de hoogte
- Een verfijnd criticinetwerk
- Waarom is het nuttig om feedback te genereren in een aparte prompt naast het genereren van het concept?
- Het verbergt de diepgang voor het model
- Het vermindert het aantal tokens
- Het laat het model evalueren vanuit een nieuw kader in plaats van de eerste poging te verdedigen
- Het schakelt het geheugen van het model uit
- Welk soort feedback maakt de verfijningsstap het meest effectief?
- Vage aanmoedigingen zoals 'maak het beter'
- Een eenvoudige numerieke score zonder details
- Willekeurige suggesties
- Specifieke, bruikbare feedback die wijst op concrete tekortkomingen
- Wanneer slaagt Self-Refine er meestal niet in om een output te verbeteren?
- Als het model de fout niet kan detecteren, moet het worden opgelost
- Wanneer de taak kort is
- Wanneer de prompt in het Engels is
- Wanneer de temperatuur op nul is ingesteld
- Hoe besluit de lus doorgaans om te stoppen?
- Het loopt altijd precies 100 keer
- Het stopt wanneer het model de uitvoer goed genoeg beoordeelt of een staplimiet bereikt
- Het stopt pas als een mens het goedkeurt
- Het stopt nooit vanzelf
- 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
- 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