Talimat Ayarlama Sınavı

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

1. Talimat ayarlaması olmadan, ham bir temel model 'Fransa'nın başkenti nedir?' sorusuna nasıl yanıt verebilir?
   • Her zaman cevap vermeyi reddediyor
   • Bir hata döndürüyor
   • Cevaplamak yerine daha fazla soru veya ilgili metinle devam edebilir
   • Her seferinde mükemmel yanıt veriyor
2. Talimat ayarlaması en iyi şekilde şu şekilde tanımlanır:
   • İnsan geri bildirimlerinden pekiştirmeli öğrenme
   • Ham web metni üzerinde ön eğitim
   • Sıcaklık parametresinin ayarlanması
   • Talimat ve yanıt çiftlerinde denetimli ince ayar
3. How does supervised instruction tuning differ from reward-model-based RLHF in the published InstructGPT recipe?
   • It is exactly the same optimization stage
   • It trains against reference responses, while the later preference stages use comparisons and a reward model
   • It requires no training examples
   • It only changes a sampling temperature
4. Why do instruction-tuning researchers evaluate models on held-out tasks and instructions?
   • To assess generalization beyond the examples used for training
   • To prove that every unseen task will succeed
   • To avoid checking any generated responses
   • To guarantee the same accuracy for every task mixture
5. Modern bir sohbet asistanı için tipik eğitim aşamaları sırası hangisidir?
   • RLHF, ardından ön eğitim, ardından talimat ayarlaması
   • Talimat ayarlaması, ardından ön eğitim
   • Sadece ön eğitim, başka bir şey yok
   • Ön eğitim, ardından talimat ayarlaması ve ardından isteğe bağlı RLHF
6. What does LIMA's curated-data experiment support as a research conclusion?
   • Exactly 1,000 examples are enough for every model and task
   • More data can never help any instruction-tuned model
   • Carefully selected small datasets can be effective in an evaluated configuration
   • Only synthetic examples can train an assistant
7. Which training stage did the original LIMA experiment omit while using its 1,000 curated prompt-response pairs?
   • Reinforcement learning and human preference modeling
   • Supervised response loss
   • A pretrained base model
   • Prompt-response examples
8. A tuned model follows the requested answer format. What does that behavior alone fail to establish?
   • That an output format was requested
   • That every factual statement in the answer is correct
   • That the model produced a response
   • That the response can be inspected