แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ
แบบทดสอบการปรับแต่งการเล่นด้วยตนเอง
สำรวจการเล่นด้วยตนเองใน Go และการฝึกโมเดลภาษา เปรียบเทียบ AlphaGo Zero กับ AlphaZero และตรวจสอบสัญญาณข้อมูลคงที่และความเสี่ยงของข้อมูลสังเคราะห์
คำถาม 1 ของ 8
ระบบอันโด่งดังใดที่เข้าถึงเหนือมนุษย์ ไปเล่นโดยใช้การเล่นด้วยตนเองเท่านั้นและไม่มีบันทึกเกมของมนุษย์?
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- ระบบอันโด่งดังใดที่เข้าถึงเหนือมนุษย์ ไปเล่นโดยใช้การเล่นด้วยตนเองเท่านั้นและไม่มีบันทึกเกมของมนุษย์?
- อัลฟ่าโกซีโร่
- ดีพบลู
- วัตสัน
- GPT-2
- ใน SPIN อะไรมีบทบาทเป็น 'ฝ่ายตรงข้าม' ที่นางแบบต้องเอาชนะ?
- โมเดลรางวัลที่ฝึกโดยมนุษย์แยกต่างหาก
- จุดตรวจสอบก่อนหน้าของโมเดลและการตอบสนองที่สร้างขึ้น
- เครื่องกำเนิดข้อความแบบสุ่ม
- โทเค็นไนเซอร์
- อะไรคือข้อได้เปรียบหลักด้านประสิทธิภาพข้อมูลของการปรับแต่งการเล่นด้วยตนเอง?
- ต้องใช้ชุดข้อมูลมนุษย์ใหม่เอี่ยมในแต่ละรอบ
- ใช้งานได้กับข้อมูลที่ไม่มีที่สิ้นสุดเท่านั้น
- สามารถดึงผลประโยชน์เพิ่มเติมจากชุดข้อมูลคงที่โดยไม่ต้องมีป้ายกำกับใหม่
- มันไม่จำเป็นต้องมีโมเดลเลย
- ในวัตถุประสงค์การฝึกอบรมของ SPIN โมเดลถูกผลักดันให้ทำอะไร?
- ชอบคำตอบที่สร้างขึ้นเองมากกว่าการอ้างอิงโดยมนุษย์
- ละเว้นข้อมูลของมนุษย์ทั้งหมด
- จำชุดทดสอบ
- กำหนดความเป็นไปได้สูงต่อการตอบสนองต่อการอ้างอิงโดยมนุษย์มากกว่าผลลัพธ์ก่อนหน้าของตัวเอง
- เอกสาร AlphaZero สาธิตเกมคู่ใดนอกเหนือจากการทดลอง Go
- Chess and shogi
- Poker and bridge
- Checkers and Othello
- Atari and StarCraft
- What risk did researchers report when language models are recursively trained on generated data?
- Model collapse, with loss of diversity and representation of the original distribution
- Guaranteed monotonic improvement at every iteration
- Automatic prevention of distribution shift
- A higher count of verified human labels
- What search component does AlphaGo Zero use alongside self-play?
- A nearest-neighbor lookup over human game records
- A language-model tokenizer
- Monte Carlo tree search guided by a policy and value network
- A fixed list of opening moves
- Why can automatic checkers be useful in self-play for math or code tasks?
- They guarantee that a model never learns incorrect strategies
- They replace the need for a task specification
- They make all generated examples independent of the model
- They can verify generated solutions without requiring a new human label for each attempt