Test legat de ghid · Greu Nivel
Testul de utilizare a instrumentelor și autodidact
Verifică generarea de apeluri auto-supravegheată de la Toolformer, filtrarea bazată pe pierderi, marcatorii API, instrumentele selectate și pasul final de reglare fină.
Întrebare 1 de 8
Ce face abordarea Toolformer cu privire la utilizarea instrumentelor de învățare distinctă?
Previzualizează fiecare întrebare8 întrebări
Răspunsurile și explicațiile apar pe măsură ce susțineți testul.
- Ce face abordarea Toolformer cu privire la utilizarea instrumentelor de învățare distinctă?
- Acesta generează și filtrează propriile exemple de instruire auto-supravegheate
- Se bazează pe mii de apeluri de instrumente etichetate de oameni
- Folosește doar învățarea prin întărire din feedbackul uman
- Codifică manual fiecare apel de unealtă
- Ce criteriu folosește Toolformer pentru a decide dacă păstrează un apel API candidat?
- Dacă un evaluator uman îl aprobă
- Dacă rezultatul apelului reduce pierderea modelului pe următoarele jetoane
- Dacă apelul returnează un șir nevid
- Dacă apelul rulează în mai puțin de o secundă
- Ce set de instrumente a învățat să folosească Toolformer original?
- Generator de imagini, sintetizator de muzică și redare 3D
- Doar un interpret Python
- Calculator, sistem QA, motor de căutare, traducător și calendar
- Doar un browser web și un sistem de fișiere
- Cum sunt reprezentate apelurile de instrumente în text în timpul procesului Toolformer?
- Ca canale audio separate
- Ca imagini atașate la document
- Numai ca intrări într-o bază de date externă
- Ca simboluri speciale care marchează apelul API și rezultatul acestuia în linie
- Ce slăbiciune de bază a modelelor mari de limbaj a motivat Toolformer?
- Sunt slabi la aritmetică, fapte actuale și căutări precise
- Nu pot genera propoziții fluente
- Ele nu pot fi reglate fin
- Lucrează doar în engleză
- După generarea și filtrarea exemplelor de apeluri de instrumente, ce face Toolformer cu acestea?
- Le aruncă și o ia de la capăt
- Ajustează modelul pe setul de date filtrat, autogenerat
- Le trimite adnotatorilor umani pentru reetichetare
- Le stochează doar pentru evaluare
- Why compare the next-token loss with and without an API result when filtering a candidate call?
- To select the API with the longest response
- To remove all calls that change the context
- To retain calls whose result improves prediction of the following real text
- To maximize the number of API calls per paragraph
- Once useful tool-call examples are filtered, how does Toolformer incorporate them?
- It discards them and trains only on human ratings
- It changes the API results into class labels
- It retrains each external API from scratch
- It fine-tunes on the resulting self-generated examples