Quiz dotyczący modeli świata i uczonych symulatorów

Odpowiedzi i wyjaśnienia pojawiają się w miarę rozwiązywania quizu.

1. Jakie jest podstawowe zadanie modelu świata?
   • Aby przewidzieć, jak zmienia się środowisko, biorąc pod uwagę stan i działanie
   • Aby oznaczyć obrazy kategoriami
   • Aby skompresować tekst do osadzenia
   • Aby kierować pakiety sieciowe
2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
   • Tylko na prawdziwym sprzęcie
   • Wewnątrz wyuczonego „marzenia” modelki o środowisku
   • W klastrze robotów w chmurze publicznej
   • Używanie wyłącznie danych językowych
3. Jakiego znaczącego wyczynu dokonał DreamerV3 firmy DeepMind?
   • Pisanie powieści
   • Tłumaczenie 100 języków
   • Collecting diamonds in Minecraft using policy learning from imagined trajectories
   • Projektowanie mikrochipu
4. Co robi Dżin Google?
   • Kompresuje filmy do przesyłania strumieniowego
   • Sortuje wyniki wyszukiwania
   • Szkoli lektorów języków
   • Generuje kontrolowane, grywalne światy 2D z obrazów i nieoznakowanych wideo
5. W jaki sposób wiele modeli świata pozwala rozwiązać problem przewidywania w przypadku danych wejściowych o dużych wymiarach, takich jak obrazy?
   • Kodują obserwacje w zwarty stan utajony i przewidują w tej przestrzeni
   • Całkowicie ignorują obrazy
   • Używają tylko dźwięku
   • Przechowują każdą surową klatkę na zawsze
6. What is a potential motivation for using a world model in robotics?
   • Guarantee every simulated action is safe to deploy
   • Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
   • Avoid testing the model against any real observations
   • Prove a visually realistic frame is physically accurate
7. What techniques did DreamerV3 report for improving learning stability across diverse domains?
   • A fixed image resize and no reward modeling
   • A hand-written controller for every game
   • Normalization, balancing, and transformations
   • Removing all state observations from training
8. Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
   • Visual models cannot process actions
   • Every rendered image is a ground-truth sensor measurement
   • Plausibility guarantees accurate forces and collisions
   • A realistic-looking frame may still depict incorrect physical state changes