Głowice indukcyjne w quizie Transformers

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką zasadę zasadniczo realizuje głowica indukcyjna?
   • Wytypuj najczęstszy token w języku
   • Zawsze kopiuj poprzedni token bez zmian
   • Losowo przetasuj żetony kontekstu
   • Zobacz [A][B] wcześniej, a następnie na [A] ponownie przewiduj [B]
2. What capability was linked to induction-head behavior in the cited 2022 study?
   • In-context learning in the examined models, with broader large-model claims framed as hypotheses
   • A proof that every form of reasoning uses only one identical circuit
   • Changing the tokenizer vocabulary during every prompt
   • Permanent weight updates whenever a repeated token appears
3. Jaką rolę odgrywa „poprzednia głowa żetonu” w obwodzie indukcyjnym?
   • Generuje końcowy softmax
   • Usuwa informacje o pozycji
   • Kopiuje informacje o poprzedniku każdego tokena do przodu, dzięki czemu może nastąpić dopasowanie
   • Normalizuje wagi uwagi
4. Ile głów uwagi jest zazwyczaj zaangażowanych w kanoniczny obwód indukcyjny?
   • Dokładnie jeden
   • Dwa, złożone z warstw
   • Setki w jednej warstwie
   • Zero; jest to wyłącznie sprzężenie zwrotne
5. What training relationship did the induction-head study report in the models it examined?
   • Head formation coincided with changes in loss behavior and increased in-context learning
   • All heads were fully formed before any training
   • Induction behavior could only appear after every parameter was frozen forever
   • The same exact training transition must occur in every future model
6. Z jakim zadaniem głowica indukcyjna poradzi sobie najbardziej bezpośrednio?
   • Obliczanie gradientu numerycznego
   • Kompresja ciężarów modelu
   • Szyfrowanie monitu wejściowego
   • Powtarzanie sekwencji poprzez kopiowanie wcześniejszych pasujących żetonów
7. What roles do query-key matching and the output-value path play in the canonical induction circuit?
   • Query-key computations generate the final text filename; output-value computations train the tokenizer
   • Query-key computations select the matching context position; output-value computations promote the token information there
   • Both paths only count the total number of context words
   • The output-value path selects a position without any attention pattern
8. Does a demonstrated two-head induction circuit prove that every large-model in-context task uses that mechanism alone?
   • Yes; every architecture and prompt has already been causally tested
   • Yes; no other network computation can influence a prediction
   • No; the wider explanation remains a hypothesis needing model- and task-specific evidence
   • Only the number of parameters determines whether the proof is universal