Quiz dotyczący samokrytyki i odnajdywania refleksyjnego

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Compared with a baseline that retrieves for every input, what adaptive decision does Self-RAG learn?
   • Which operating system to install for every query
   • Whether retrieval is needed, including decisions as generation progresses
   • How to permanently remove all document sources
   • How to prove every generated statement without inspecting evidence
2. Czym są „żetony refleksji” w Self-RAG?
   • Klucze szyfrujące dokumenty
   • Dane logowania użytkownika
   • Sygnatury czasowe odzyskanych plików
   • Specjalne żetony kontroli emitowane przez model w celu oceny trafności, wsparcia i użyteczności
3. What does Self-RAG's IsSupported reflection token predict?
   • Whether the model's hardware has enough disk space
   • Whether a support ticket has been paid
   • Whether a generated segment is supported by the retrieved evidence
   • Whether every source claim is independently proven true
4. W jaki sposób model Self-RAG jest zwykle szkolony w celu tworzenia tokenów odbicia?
   • Uczenie nadzorowane na danych oznaczonych tokenami refleksji, często pochodzących z silniejszego modelu
   • Całkowicie nienadzorowane klastrowanie
   • Poprzez ręczne kodowanie reguł bez uczenia się
   • Tylko przy uczeniu się przez wzmacnianie poprzez ludzkie kliknięcia
5. Jaką korzyść daje krytyka każdego fragmentu w formie „IsRelevant”?
   • Przyspiesza połączenie sieciowe
   • Kompresuje magazyn dokumentów
   • Zmienia tokenizer modelu
   • Filtruje pobrane fragmenty, które w rzeczywistości nie pomagają w zapytaniu
6. How can reflection-token scores affect Self-RAG inference without a new training run?
   • Every query must update all model parameters
   • Weighted critique scores can be combined with generation likelihood during segment-level candidate search
   • The critique scores must replace all source text with random tokens
   • Changing a score weight guarantees all factual errors disappear
7. What should an evaluator infer from a high Self-RAG IsSupported probability alone?
   • The model predicts support, which still needs checking against the actual evidence
   • The answer has been independently verified as true
   • No source passage needs to be read
   • Every external document is guaranteed accurate
8. At what granularity can Self-RAG adapt retrieval while developing a response?
   • Only when the operating system restarts
   • Only after the final answer has been published
   • As generated segments progress, rather than only one fixed retrieval at the beginning
   • Only by changing the tokenizer's vocabulary permanently