แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบที่พร้อมท์น้อยที่สุดถึงมากที่สุด
ทดสอบว่าวิธีแยกย่อยคำถามที่ยากน้อยที่สุดไปมากที่สุด และใช้วิธีแก้ปัญหาตามลำดับเพื่อปรับปรุงคำอธิบายทั่วไปที่ง่ายไปยาก
คำถาม 1 ของ 8
ขั้นตอนหลักสองขั้นตอนของการกระตุ้นเตือนน้อยที่สุดถึงมากที่สุดคืออะไร?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ขั้นตอนหลักสองขั้นตอนของการกระตุ้นเตือนน้อยที่สุดถึงมากที่สุดคืออะไร?
- แยกปัญหาออกเป็นคำถามย่อย แล้วแก้ไขตามลำดับ
- ฝึกแล้วปรับแต่ง
- เข้ารหัสแล้วถอดรหัส
- ตัวอย่างคำตอบมากมายแล้วลงคะแนน
- Least-to-Most แตกต่างจากการกระตุ้นเตือนแบบลูกโซ่มาตรฐานอย่างไร
- มันไม่ได้ใช้ตัวอย่างเลย
- โดยแยกย่อยปัญหาอย่างชัดเจนและป้อนแต่ละคำตอบย่อยไปยังขั้นตอนถัดไป
- มันต้องมีการปรับแต่งโมเดลอย่างละเอียด
- มันใช้งานได้กับภาพเท่านั้น
- What kind of task does the SCAN benchmark use to test compositional generalization?
- Classifying satellite images of fishing vessels
- Predicting fuel use from ship weather data
- Interpreting natural-language commands that combine primitive actions
- Aligning speech frames with handwritten characters
- เหตุใดการเรียงลำดับคำถามย่อยจึงมีความสำคัญ?
- มันไม่ใช่; สั่งซื้อเป็นแบบสุ่ม
- คำถามทีหลังต้องมาก่อน
- คำสั่งซื้อส่งผลต่อการจัดรูปแบบเท่านั้น
- คำถามย่อยแต่ละข้อควรขึ้นอยู่กับคำถามที่ได้แก้ไขไปแล้วก่อนหน้านี้เท่านั้น
- คำตอบระดับกลางถูกใช้อย่างไรในขั้นตอนการแก้โจทย์?
- สิ่งเหล่านี้จะถูกผนวกเข้ากับบริบทเพื่อให้ขั้นตอนต่อมาสามารถต่อยอดได้
- พวกเขาจะถูกละทิ้งหลังจากแต่ละขั้นตอน
- พวกเขาถูกส่งไปยังรุ่นแยกต่างหาก
- พวกมันถูกเฉลี่ยเป็นตัวเลขเดียว
- ความเสี่ยงหลักในห่วงโซ่ Least-to-Most คืออะไร?
- มันไม่สามารถใช้ตัวอย่างได้
- คำตอบย่อยตั้งแต่ต้นที่ไม่ถูกต้องอาจทำให้ขั้นตอนดาวน์สตรีมเสียหายได้
- มันใช้งานได้ในภาษาเดียวเท่านั้น
- มันต้องมีคลัสเตอร์ GPU เสมอ
- What accuracy did the paper report for code-davinci-002 on the SCAN length split using Least-to-Most with 14 exemplars?
- About 16%
- 50% พอดี
- At least 99% on the reported setup
- Zero, because no demonstrations were used
- Besides SCAN, which task areas did the Least-to-Most paper also evaluate?
- Wildlife re-identification and acoustic classification
- Ship routing and port scheduling
- Image outpainting and watermark detection
- Symbolic manipulation and math reasoning