แบบทดสอบที่เชื่อมโยงกับคำแนะนำ · ปานกลาง ระดับ

แบบทดสอบแบบจำลองโลกและแบบจำลองการเรียนรู้แบบจำลอง

สำรวจวิธีที่แบบจำลองโลกทำนายการเปลี่ยนแปลงสภาพแวดล้อม สนับสนุนการวางแผนในสภาวะที่จินตนาการ และสร้างประสบการณ์จำลองเชิงโต้ตอบ

เส้นทางแนะนำที่เกี่ยวข้องแบบจำลองโลกและแบบจำลองการเรียนรู้
คำถาม 1 ของ 8

งานหลักของโมเดลโลกคืออะไร?

ดูตัวอย่างทุกคำถาม8 คำถาม

คำตอบและคำอธิบายจะปรากฏขึ้นเมื่อคุณทำแบบทดสอบ

  1. งานหลักของโมเดลโลกคืออะไร?
    • เพื่อคาดการณ์ว่าสภาพแวดล้อมเปลี่ยนแปลงอย่างไรโดยพิจารณาจากสถานะและการกระทำ
    • การติดป้ายกำกับรูปภาพตามหมวดหมู่
    • เพื่อบีบอัดข้อความเป็นการฝัง
    • เพื่อกำหนดเส้นทางแพ็กเก็ตเครือข่าย
  2. In the 2018 World Models DoomTakeCover experiment, where was the controller trained?
    • บนฮาร์ดแวร์จริงเท่านั้น
    • ภายใน 'ความฝัน' ของแบบจำลองที่เรียนรู้เกี่ยวกับสิ่งแวดล้อม
    • บนกลุ่มหุ่นยนต์บนคลาวด์สาธารณะ
    • การใช้ข้อมูลภาษาเท่านั้น
  3. DreamerV3 ของ DeepMind ประสบความสำเร็จในด้านที่โดดเด่นอะไรบ้าง
    • การเขียนนวนิยาย
    • แปล 100 ภาษา
    • Collecting diamonds in Minecraft using policy learning from imagined trajectories
    • การออกแบบไมโครชิป
  4. จีนี่ Google ทำอะไร?
    • บีบอัดวิดีโอสำหรับการสตรีม
    • เรียงลำดับผลการค้นหา
    • ฝึกอบรมครูสอนภาษา
    • สร้างโลก 2 มิติที่ควบคุมและเล่นได้จากภาพและวิดีโอที่ไม่มีป้ายกำกับ
  5. แบบจำลองโลกจำนวนเท่าใดที่ทำให้ปัญหาการทำนายสามารถเข้าใจได้สำหรับอินพุตที่มีมิติสูง เช่น รูปภาพ
    • พวกเขาเข้ารหัสการสังเกตให้อยู่ในสถานะแฝงขนาดกะทัดรัดและคาดการณ์ในพื้นที่นั้น
    • พวกเขาละเลยภาพทั้งหมด
    • พวกเขาใช้แต่เสียงเท่านั้น
    • พวกเขาเก็บทุกเฟรมดิบไว้ตลอดไป
  6. What is a potential motivation for using a world model in robotics?
    • Guarantee every simulated action is safe to deploy
    • Explore candidate actions in learned dynamics with fewer real-world interactions, while validating model accuracy
    • Avoid testing the model against any real observations
    • Prove a visually realistic frame is physically accurate
  7. What techniques did DreamerV3 report for improving learning stability across diverse domains?
    • A fixed image resize and no reward modeling
    • A hand-written controller for every game
    • Normalization, balancing, and transformations
    • Removing all state observations from training
  8. Why does visually plausible output from a learned simulator not by itself prove accurate dynamics?
    • Visual models cannot process actions
    • Every rendered image is a ground-truth sensor measurement
    • Plausibility guarantees accurate forces and collisions
    • A realistic-looking frame may still depict incorrect physical state changes