แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบการปรับปรุงเอาต์พุตซ้ำแบบปรับแต่งตัวเอง

ตรวจสอบร่าง ข้อเสนอแนะ และลูปการแก้ไขของ Self-Refine รวมถึงการใช้บริบทและขีดจำกัดของการวิจารณ์ที่สร้างแบบจำลอง

เส้นทางแนะนำที่เกี่ยวข้องปรับปรุงผลลัพธ์ซ้ำ ๆ ซ้ำ ๆ ด้วยตนเอง
คำถาม 1 ของ 8

โมเดลเดียวมีบทบาทสามประการอะไรบ้างในลูป Self-Refine

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. โมเดลเดียวมีบทบาทสามประการอะไรบ้างในลูป Self-Refine
    • ผู้สร้าง นักวิจารณ์ และผู้แก้ไข
    • ผู้ฝึกสอน ผู้ทดสอบ ผู้ปรับใช้
    • ตัวเข้ารหัส ตัวถอดรหัส ตัวแยกประเภท
    • นักวางแผน นักแสดง ผู้ทำประตู
  2. Self-Refine ต้องการอะไรนอกเหนือจากการกระตุ้นให้ทำงาน?
    • โมเดลรางวัลที่ได้รับการฝึกอบรมแยกกัน
    • ไม่มีอะไรพิเศษ; ไม่จำเป็นต้องฝึกอบรมหรือให้รางวัลเพิ่มเติม
    • ผู้ตรวจสอบที่เป็นมนุษย์ในวง
    • เครือข่ายนักวิจารณ์ที่ได้รับการปรับแต่ง
  3. เหตุใดการสร้างคำติชมในพร้อมต์แยกต่างหากจากการสร้างฉบับร่างจึงมีประโยชน์
    • มันซ่อนแบบร่างจากโมเดล
    • จะช่วยลดจำนวนโทเค็น
    • ช่วยให้โมเดลประเมินจากการจัดเฟรมใหม่ แทนที่จะปกป้องความพยายามครั้งแรก
    • มันปิดการใช้งานหน่วยความจำของโมเดล
  4. ความคิดเห็นประเภทใดที่ทำให้ขั้นตอนการปรับแต่งมีประสิทธิภาพมากที่สุด
    • กำลังใจคลุมเครือ เช่น 'ทำให้ดีขึ้น'
    • คะแนนตัวเลขอย่างง่ายที่ไม่มีรายละเอียด
    • ข้อเสนอแนะแบบสุ่ม
    • ความคิดเห็นที่เฉพาะเจาะจงและนำไปปฏิบัติได้ซึ่งชี้ไปที่ข้อบกพร่องที่เป็นรูปธรรม
  5. เมื่อใดที่ Self-Refine มักจะล้มเหลวในการปรับปรุงผลลัพธ์
    • เมื่อโมเดลตรวจไม่พบข้อบกพร่องก็จำเป็นต้องแก้ไข
    • เมื่องานมีน้อย
    • เมื่อข้อความแจ้งเป็นภาษาอังกฤษ
    • เมื่อตั้งอุณหภูมิไว้ที่ศูนย์
  6. โดยทั่วไปแล้วลูปจะตัดสินใจหยุดอย่างไร
    • มันจะวิ่ง 100 ครั้งเสมอ
    • โดยจะหยุดเมื่อโมเดลตัดสินเอาต์พุตดีพอหรือถึงขีดจำกัดขั้นตอน
    • มันจะหยุดก็ต่อเมื่อมนุษย์อนุมัติเท่านั้น
    • มันไม่เคยหยุดอยู่เพียงลำพัง
  7. What information does Self-Refine feed into later refinement rounds?
    • Only the final token of the original prompt
    • A reward model's parameters
    • The draft together with the feedback history
    • A new human-written answer with no prior context
  8. In the guide's coding example, what might the critic flag before a revision?
    • An incorrect microphone sample rate
    • A ship arriving outside its port window
    • A mismatch between image and audio codecs
    • Missing edge-case handling