Rehber bağlantılı sınav · Orta Seviye

Kendi Kendine Oynama İnce Ayar Testi

Go'da kendi kendine oynamayı ve dil modeli eğitimini keşfedin, AlphaGo Zero'yu AlphaZero ile karşılaştırın ve sabit veri sinyallerini ve sentetik veri risklerini inceleyin.

İlgili kılavuz yollarıKendi Kendine Oynama İnce Ayarı
Soru 1 arasında 8

Hangi ünlü sistem, insan oyunu kayıtları olmadan, yalnızca kendi kendine oyun kullanarak insanüstü Go oyununa ulaştı?

Her soruyu önizleyin8 sorular

Testi çözdüğünüzde cevaplar ve açıklamalar görünür.

  1. Hangi ünlü sistem, insan oyunu kayıtları olmadan, yalnızca kendi kendine oyun kullanarak insanüstü Go oyununa ulaştı?
    • AlphaGo Sıfır
    • Derin Mavi
    • Watson
    • GPT-2
  2. SPIN'de modelin yenmesi gereken 'rakip' rolünü ne oynuyor?
    • İnsan tarafından eğitilmiş ayrı bir ödül modeli
    • Modelin kendi önceki kontrol noktası ve oluşturulan yanıtları
    • Rastgele bir metin oluşturucu
    • Belirteçleyici
  3. Kendi kendine ince ayar yapmanın temel veri verimliliği avantajı nedir?
    • Her turda yepyeni bir insan veri seti gerektirir
    • Yalnızca sonsuz verilerle çalışır
    • Yeni insan etiketleri olmadan sabit bir veri kümesinden daha fazla kazanç elde edebilir
    • Hiçbir modele ihtiyacı yok
  4. SPIN'in eğitim hedefinde model ne yapmaya itiliyor?
    • İnsan referansları yerine kendi oluşturduğu yanıtları tercih edin
    • Tüm insan verilerini görmezden gelin
    • Test setini ezberleyin
    • İnsan referans yanıtlarına kendi önceki çıktılarından daha yüksek olasılık atayın
  5. Which pair of games did the AlphaZero paper demonstrate beyond its Go experiments?
    • Chess and shogi
    • Poker and bridge
    • Checkers and Othello
    • Atari and StarCraft
  6. 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
  7. 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
  8. 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