Quiz dotyczący dekodowania spójności

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. W jaki sposób dekodowanie spójności własnej wybiera ostateczną odpowiedź z modelu językowego?
   • Wypróbuj wiele ścieżek rozumowania i zagłosuj większością na odpowiedź
   • Na każdym kroku zawsze wybieraj jeden, najbardziej prawdopodobny żeton
   • Wielokrotnie trenuj model na jego własnych wynikach
   • Usuń całą losowość z generacji
2. Under what condition can self-consistency improve answer accuracy?
   • Whenever the number of samples increases
   • When correct sampled paths converge and errors are not too strongly correlated
   • When every reasoning chain has identical wording
   • Only when the model weights are retrained
3. Jaką metodę dekodowania zastępuje samospójność?
   • Propagacja wsteczna
   • Tokenizacja
   • Chciwe dekodowanie pojedynczego łańcucha
   • Kwantyzacja wag
4. Która część każdego z wybranych łańcuchów jest faktycznie wykorzystywana w głosowaniu końcowym?
   • Pełny tekst uzasadnienia
   • Liczba wygenerowanych tokenów
   • Ustawienie temperatury
   • Tylko ostateczna odpowiedź
5. What is the main cost of increasing the number of self-consistency samples?
   • More inference compute; accuracy gains depend on the task and can have diminishing returns
   • It retrains the model weights after every response
   • It guarantees that the majority is correct
   • It eliminates the need to sample any reasoning paths
6. Własna spójność jest wczesnym przykładem jakiej szerszej koncepcji?
   • Kompresja modelu
   • Skalowanie czasu wnioskowania (wydawanie dodatkowych obliczeń w celu lepszego rozumowania)
   • Powiększanie danych podczas szkolenia
   • Przyspieszenie sprzętowe
7. Why may answer normalization be useful before a self-consistency vote?
   • It makes all reasoning paths independent
   • It verifies the answer against external evidence
   • It can group semantically equivalent answers that use different formatting
   • It changes the model’s sampled probabilities
8. What is a key limitation of a majority answer from self-consistency?
   • A majority vote cannot be computed for text
   • Sampling always changes the model weights
   • Every reasoning path is guaranteed independent
   • Correlated reasoning errors can make an incorrect answer win the vote