Quiz połączony z przewodnikiem · Średni Poziom
Quiz dotyczący uzasadniania drzewa myśli
Sprawdza rozgałęzienia drzewa myśli, generowanie kandydatów, ocenę stanu, przycinanie, strategie wyszukiwania i kompromisy w zakresie obliczeń.
Pytanie 1 z 8
Czym Drzewo Myśli różni się od podpowiadania w ramach łańcucha myśli?
Podgląd każdego pytania8 pytania
Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.
- Czym Drzewo Myśli różni się od podpowiadania w ramach łańcucha myśli?
- Bada wiele rozgałęzionych ścieżek rozumowania zamiast jednego łańcucha liniowego
- Całkowicie eliminuje etapy rozumowania
- Działa tylko na wejściach obrazu
- W ogóle nie używa modelu języka
- Co w Drzewie Myśli zazwyczaj reprezentuje pojedynczy węzeł?
- Tylko pełna ostateczna odpowiedź
- Częściowe rozwiązanie lub pośrednia „myśl”
- Zapytanie użytkownika
- Wytrenowana waga
- Jaką rolę odgrywa ewaluator stanu w Drzewie Myśli?
- Zapisuje ostateczną odpowiedź skierowaną do użytkownika
- Kasuje pamięć modelu
- Ocenia, jak obiecujące są rozwiązania częściowe, aby słabe gałęzie można było przycinać
- Tłumaczy między językami
- W teście porównawczym Game of 24 ToT radykalnie przewyższył łańcuch myślowy, mniej więcej o jaki skok?
- Od 90% do 95% sukcesu
- Żadnej poprawy
- Od 50% do 51% sukcesu
- Od około 4% do około 74% sukcesu
- Jakie strategie wyszukiwania są powszechnie używane do poruszania się po drzewie myśli?
- Przeszukiwanie wszerz, w głąb lub w wiązce
- Tylko losowe zgadywanie
- Sortowanie alfabetyczne
- Zejście gradientowe na pikselach
- Jaki jest główny koszt związany ze stosowaniem Drzewa Myśli?
- Zmniejsza dokładność, aby zaoszczędzić czas
- Wymaga większej liczby obliczeń w zamian za większą dokładność
- Nie potrzebuje żadnych wywołań modelowych poza jednym
- Działa tylko w trybie offline
- At one Tree-of-Thoughts node, what does the thought generator typically produce?
- A final answer only, with no intermediate states
- A new model checkpoint
- Several candidate next thoughts that could extend the partial solution
- A set of training labels for the prompt
- What decision does the ToT search procedure make after candidate states are generated and scored?
- Which tokenizer the model should use
- Whether to change the model’s weights
- How to label the original training corpus
- Which branches to expand and which to prune or stop exploring