Quiz połączony z przewodnikiem · Średni Poziom
Quiz dostrajający do samodzielnej gry
Poznaj możliwości samodzielnej zabawy w Go i szkolenia w zakresie modeli językowych, porównaj AlphaGo Zero z AlphaZero i zbadaj sygnały o stałych danych oraz ryzyko związane z danymi syntetycznymi.
Pytanie 1 z 8
Który słynny system osiągnął nadludzką grę w Go, korzystając wyłącznie z gry samodzielnej i bez zapisów gier prowadzonych przez ludzi?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Który słynny system osiągnął nadludzką grę w Go, korzystając wyłącznie z gry samodzielnej i bez zapisów gier prowadzonych przez ludzi?
- AlphaGo Zero
- Głęboki błękit
- Watsonie
- GPT-2
- Co w SPIN-ie pełni rolę „przeciwnika”, którego model musi pokonać?
- Oddzielny model nagrody wyszkolony przez człowieka
- Poprzedni punkt kontrolny modelu i wygenerowane przez niego odpowiedzi
- Generator losowego tekstu
- Tokenizator
- Jaka jest główna zaleta automatycznego dostrajania w zakresie wydajności danych?
- Wymaga to zupełnie nowego zestawu danych dotyczących ludzi w każdej rundzie
- Działa tylko z nieskończoną ilością danych
- Może wydobyć więcej korzyści ze stałego zbioru danych bez nowych ludzkich etykiet
- W ogóle nie potrzebuje modelu
- Do czego model ma służyć w ramach treningu SPIN?
- Preferuj własne wygenerowane odpowiedzi zamiast ludzkich odniesień
- Ignoruj wszystkie dane ludzkie
- Zapamiętaj zestaw testowy
- Przypisz większe prawdopodobieństwo ludzkim odpowiedziom referencyjnym niż własnym wcześniejszym wynikom
- Which pair of games did the AlphaZero paper demonstrate beyond its Go experiments?
- Chess and shogi
- Poker and bridge
- Checkers and Othello
- Atari and StarCraft
- What risk did researchers report when language models are recursively trained on generated data?
- Model collapse, with loss of diversity and representation of the original distribution
- Guaranteed monotonic improvement at every iteration
- Automatic prevention of distribution shift
- A higher count of verified human labels
- What search component does AlphaGo Zero use alongside self-play?
- A nearest-neighbor lookup over human game records
- A language-model tokenizer
- Monte Carlo tree search guided by a policy and value network
- A fixed list of opening moves
- Why can automatic checkers be useful in self-play for math or code tasks?
- They guarantee that a model never learns incorrect strategies
- They replace the need for a task specification
- They make all generated examples independent of the model
- They can verify generated solutions without requiring a new human label for each attempt