Тест на самоузгодженість декодування

Відповіді та пояснення з’являються під час виконання тесту.

1. Як самоузгоджене декодування вибирає остаточну відповідь з мовної моделі?
   • Випробуйте багато шляхів міркування та проголосуйте більшістю за відповідь
   • Завжди вибирайте єдиний найбільш імовірний маркер на кожному кроці
   • Повторно тренуйте модель на її власних результатах
   • Усуньте всю випадковість із генерації
2. Under what condition can self-consistency improve answer accuracy?
   • Whenever the number of samples increases
   • When correct sampled paths converge and errors are not too strongly correlated
   • When every reasoning chain has identical wording
   • Only when the model weights are retrained
3. Який метод декодування замінює самоузгодженість?
   • Зворотне поширення
   • Токенізація
   • Жадібне декодування одного ланцюжка
   • Вагове квантування
4. Яка частина кожного ланцюжка вибірки фактично використовується в остаточному голосуванні?
   • Повний текст міркування
   • Кількість згенерованих токенів
   • Налаштування температури
   • Тільки остаточна відповідь
5. What is the main cost of increasing the number of self-consistency samples?
   • More inference compute; accuracy gains depend on the task and can have diminishing returns
   • It retrains the model weights after every response
   • It guarantees that the majority is correct
   • It eliminates the need to sample any reasoning paths
6. Раннім прикладом якого ширшого поняття є самоузгодженість?
   • Стиснення моделі
   • Масштабування часу висновку (витрати додаткових обчислень для кращого міркування)
   • Збільшення даних під час навчання
   • Апаратне прискорення
7. Why may answer normalization be useful before a self-consistency vote?
   • It makes all reasoning paths independent
   • It verifies the answer against external evidence
   • It can group semantically equivalent answers that use different formatting
   • It changes the model’s sampled probabilities
8. What is a key limitation of a majority answer from self-consistency?
   • A majority vote cannot be computed for text
   • Sampling always changes the model weights
   • Every reasoning path is guaranteed independent
   • Correlated reasoning errors can make an incorrect answer win the vote