Questionário de decodificação de autoconsistência

As respostas e explicações aparecem conforme você responde ao teste.

1. How does self-consistency decoding pick a final answer from a language model?
   • Experimente vários caminhos de raciocínio e vote por maioria na resposta
   • Sempre escolha o token mais provável em cada etapa
   • Treine o modelo em suas próprias saídas repetidamente
   • Remova toda a aleatoriedade da geração
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. Qual método de decodificação a autoconsistência substitui?
   • Retropropagação
   • Tokenização
   • Decodificação gananciosa de uma única cadeia
   • Quantização de peso
4. Qual parte de cada cadeia amostrada é realmente usada na votação final?
   • O texto completo da fundamentação
   • O número de tokens gerados
   • A configuração de temperatura
   • Apenas a resposta final
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. A autoconsistência é um dos primeiros exemplos de qual conceito mais amplo?
   • Compressão de modelo
   • Dimensionamento do tempo de inferência (gastar computação extra para raciocinar melhor)
   • Aumento de dados durante o treinamento
   • Aceleração de hardware
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