Quiz zachęcający do zaplanowania i rozwiązania

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jaką podstawową zmianę wprowadza monit „Zaplanuj i rozwiąż” w standardowym łańcuchu myślowym zero-shot?
   • Najpierw prosi modela o opracowanie planu, a następnie wykonuje go krok po kroku
   • Dostraja model na podstawie danych planistycznych
   • Całkowicie usuwa rozumowanie krok po kroku
   • Wymaga to dziesiątek przepracowanych przykładów w wierszu poleceń
2. Jakie konkretne słabości prostego łańcucha myślowego zaprojektowano w celu rozwiązania problemu Planuj i rozwiązuj?
   • Niska prędkość wnioskowania i duże zużycie pamięci
   • Brakujące etapy rozumowania i błędy obliczeniowe
   • Toksyczne lub stronnicze wyniki
   • Niemożność przedstawienia jakichkolwiek argumentów
3. Co ulepszony wariant PS+ dodaje do podstawowego monitu „Zaplanuj i rozwiąż”?
   • Model drugiego języka do oceny odpowiedzi
   • Dostęp do API kalkulatora
   • Instrukcje wyodrębniania zmiennych, obliczania wyników pośrednich i zajmowania się liczbami
   • Wymóg odpowiedzi w JSON
4. Kluczową przewagą metody Planuj i Rozwiązuj w porównaniu z kilkuetapowym łańcuchem myślowym jest to, że:
   • Zawsze osiąga idealną dokładność
   • Wymaga przeszkolenia modelu
   • Działa tylko przy zadaniach związanych ze wzrokiem
   • Nie wymaga ręcznie wykonanych przykładów w wierszu poleceń
5. Na podstawie jakiego rodzaju punktu odniesienia szczególnie oceniano metodę Planuj i Rozwiązuj?
   • Testy porównawcze arytmetycznych i matematycznych problemów tekstowych, takie jak GSM8K
   • Zbiory danych klasyfikacji obrazów
   • Korpusy do rozpoznawania mowy
   • Zadania związane ze zwijaniem białek
6. Dlaczego wygenerowanie planu przed szczegółowymi krokami zwykle pomaga w modelu autoregresyjnym?
   • Usuwa oryginalne pytanie z kontekstu
   • Cele cząstkowe planu warunkują późniejsze żetony rozumowania generowane przez model
   • Podwaja liczbę parametrów modelu
   • Przełącza model w tryb nietekstowy
7. A prompt asks a model to list subgoals before solving a word problem. Which Plan-and-Solve stage does that implement?
   • A few-shot worked example
   • The final answer verification stage
   • The planning stage that decomposes the task before execution
   • A decoding-time beam search
8. A PS+ prompt reminds the model to extract quantities and calculate intermediate results. What is the intent of those reminders?
   • Replace the problem statement with demonstrations
   • Change the model’s parameters during inference
   • Guarantee every answer is correct
   • Reduce calculation and step omissions by directing attention to variables and intermediate quantities