แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ยาก ระดับ
แบบทดสอบการใช้ Toolformer และเครื่องมือที่เรียนรู้ด้วยตนเอง
ตรวจสอบการสร้างการโทรแบบควบคุมตนเองของ Toolformer การกรองตามการสูญเสีย เครื่องหมาย API เครื่องมือที่เลือก และขั้นตอนการปรับแต่งขั้นสุดท้าย
คำถาม 1 ของ 8
อะไรทำให้แนวทางการใช้เครื่องมือการเรียนรู้ของ Toolformer มีความโดดเด่น
ดูตัวอย่างทุกคำถาม8 คำถาม
คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ
- อะไรทำให้แนวทางการใช้เครื่องมือการเรียนรู้ของ Toolformer มีความโดดเด่น
- สร้างและกรองตัวอย่างการฝึกอบรมการเรียกเครื่องมือของตนเองโดยมีการดูแลตนเอง
- มันอาศัยการเรียกเครื่องมือที่ติดป้ายกำกับโดยมนุษย์นับพันครั้ง
- ใช้การเรียนรู้แบบเสริมแรงจากผลตอบรับของมนุษย์เท่านั้น
- มันฮาร์ดโค้ดทุกการเรียกเครื่องมือด้วยมือ
- Toolformer ใช้เกณฑ์ใดในการตัดสินใจว่าจะคงการเรียก API ของผู้สมัครไว้หรือไม่
- ไม่ว่าผู้ประเมินที่เป็นมนุษย์จะอนุมัติหรือไม่
- ผลลัพธ์ของการโทรจะช่วยลดการสูญเสียของโมเดลในโทเค็นต่อไปนี้หรือไม่
- ไม่ว่าการโทรจะส่งคืนสตริงที่ไม่ว่างเปล่าหรือไม่
- ไม่ว่าการโทรจะทำงานภายในหนึ่งวินาทีหรือไม่
- Toolformer ดั้งเดิมเรียนรู้การใช้ชุดเครื่องมือใด
- เครื่องกำเนิดภาพ เครื่องสังเคราะห์เสียงเพลง และเครื่องเรนเดอร์ 3 มิติ
- มีเพียงล่าม Python เท่านั้น
- เครื่องคิดเลข ระบบประกันคุณภาพ โปรแกรมค้นหา นักแปล และปฏิทิน
- เว็บเบราว์เซอร์และระบบไฟล์เท่านั้น
- การเรียกเครื่องมือแสดงในข้อความระหว่างกระบวนการของ Toolformer อย่างไร
- เป็นช่องสัญญาณเสียงแยกกัน
- ตามภาพที่แนบมากับเอกสาร
- เป็นรายการในฐานข้อมูลภายนอกเท่านั้น
- เป็นโทเค็นพิเศษที่ทำเครื่องหมายการเรียก API และผลลัพธ์แบบอินไลน์
- จุดอ่อนที่ซ่อนอยู่ของโมเดลภาษาขนาดใหญ่เป็นแรงบันดาลใจให้ Toolformer หรือไม่
- พวกเขาไม่เก่งในเรื่องเลขคณิต ข้อเท็จจริงในปัจจุบัน และการค้นหาที่แม่นยำ
- พวกเขาไม่สามารถสร้างประโยคได้คล่อง
- ไม่สามารถปรับได้อย่างละเอียด
- พวกเขาทำงานเป็นภาษาอังกฤษเท่านั้น
- หลังจากสร้างและกรองตัวอย่างการเรียกใช้เครื่องมือแล้ว Toolformer จะทำอะไรกับตัวอย่างเหล่านั้น
- ละทิ้งพวกเขาและเริ่มต้นใหม่
- ปรับแต่งโมเดลบนชุดข้อมูลที่กรองและสร้างขึ้นเอง
- ส่งไปยังผู้อธิบายประกอบที่เป็นมนุษย์เพื่อติดป้ายกำกับใหม่
- เก็บไว้เพื่อการประเมินผลเท่านั้น
- 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