Gids-gekoppelde quiz · Middelmatig Niveau
Boom der Gedachten Quiz
Test het genereren van gedachten, statusevaluatie, zoeken en backtracking, plus de taakspecifieke limieten van gerapporteerde benchmarkresultaten.
Vraag 1 van 8
Hoe verschilt Tree of Thoughts fundamenteel van gedachteketenprompts?
Bekijk elke vraag8 vragen
Antwoorden en uitleg verschijnen terwijl je de quiz doet.
- Hoe verschilt Tree of Thoughts fundamenteel van gedachteketenprompts?
- Het onderzoekt meerdere redeneertakken en kan teruggaan
- Het hertraint het model op basis van nieuwe gegevens
- Het verwijdert alle tussenliggende redeneerstappen
- Het werkt alleen voor het genereren van afbeeldingen
- Uit welke drie componenten bestaat een Tree of Thoughts-systeem?
- Tokenizer, embedder en decoder
- Gedachtengenerator, statusbeoordelaar en zoekalgoritme
- Encoder, aandachtskop en softmax
- Gegevensset, optimalisatie en verliesfunctie
- In the original Tree of Thoughts Game of 24 experiment, what result did breadth-five search report for its selected test set?
- 100% success on every possible puzzle
- 74% for every model and search budget
- 74% success for GPT-4 with ToT, versus 4% for a single chain-of-thought baseline
- 4% for ToT and 74% for chain-of-thought
- Hoe evalueert een Tree of Thoughts-systeem doorgaans deeloplossingen?
- Door een externe database te bevragen
- Door de GPU-temperatuur te meten
- Door het aantal gebruikte tokens te tellen
- Door het model ertoe aan te zetten toestanden als zeker, misschien of onmogelijk te beoordelen
- Wat is waar over het implementeren van Tree of Thoughts op een bestaand model?
- Het is een prompt- en zoekverpakking, geen herscholing
- Het vereist dat het model helemaal opnieuw wordt opgebouwd
- Het kan alleen op gespecialiseerde hardware draaien
- Het verandert permanent de gewichten van het model
- Welk gerelateerd raamwerk maakt het mogelijk om redeneerpaden samen te voegen en tussenresultaten te hergebruiken?
- Lineaire regressie
- Grafiek van gedachten
- Batch-normalisatie
- Snoeien op balkbreedte
- Which components are commonly specified in a Tree of Thoughts setup?
- A new tokenizer, an optimizer, and a training corpus
- A database, a browser, and a GPU driver
- Thought proposals, an intermediate-state evaluator, and a search procedure
- A label encoder, a loss scaler, and a checkpoint
- Why can Tree of Thoughts increase inference cost?
- It always retrains the base model
- It requires a separate model for every token
- It eliminates all model calls after the first thought
- It may generate and evaluate multiple candidate states across search steps