Quiz połączony z przewodnikiem · Ciężko Poziom

Quiz dotyczący wektorów funkcyjnych i reprezentacji zadań

Przestudiuj, w jaki sposób wektory funkcji są wyodrębniane z głowic uwagi, wstrzykiwane do stanów ukrytych i testowane w różnych kontekstach zadań.

Powiązane ścieżki prowadząceWektory funkcyjne i reprezentacje zadań
Pytanie 1 z 8

What does a function vector represent in the studied language models?

Podgląd każdego pytania8 pytania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

  1. What does a function vector represent in the studied language models?
    • A compact activation-space representation associated with a demonstrated task
    • The model’s full weight matrix
    • A single token embedding in every setting
    • The optimizer’s learning rate
  2. Jak zazwyczaj zbudowany jest wektor funkcyjny?
    • Sumując wszystkie osadzenia słów w słownictwie
    • Uśredniając wyniki konkretnych zadań skupiających uwagę na przykładowych podpowiedziach
    • Dostrajając model na jednym przykładzie
    • Czytając ostateczne prawdopodobieństwa softmax
  3. What did the function-vector paper observe after injecting a vector into a zero-shot prompt?
    • The model always crashed
    • It guaranteed correct answers on any task
    • It could trigger the associated task in the tested settings
    • It permanently changed the model weights
  4. Która technika analizy leży u podstaw znajdowania głów niosących wektor funkcyjny?
    • Gradientowe zejście po stracie
    • Wyszukiwanie wiązki
    • Regularyzacja porzucania
    • Analiza mediacji przyczynowej
  5. What do function-vector experiments provide evidence for?
    • Some models form reusable internal representations associated with tasks
    • All language models only memorize text
    • Every model has one universal task vector
    • Tokenization alone determines every behavior
  6. Why are function vectors interesting to steering research?
    • They guarantee safe or correct behavior
    • They provide an activation-level intervention that can influence task behavior in tested settings
    • They eliminate prompts for every application
    • They make all model decisions fully transparent
  7. At what part of the transformer did the paper report strong function-vector effects?
    • Only the input embedding table
    • Only the final output logits
    • Middle layers in the tested models
    • Słownictwo tokenizera
  8. What happened when researchers summed some function vectors?
    • The vectors always canceled to zero
    • The model’s weights were permanently updated
    • Every possible task was composed perfectly
    • Some combinations triggered new complex tasks in the tested experiments