Вікторина, пов’язана з посібником · Середній Рівень

Тест із налаштування самостійної гри

Досліджуйте самостійну гру в Go та навчання на мовній моделі, порівняйте AlphaGo Zero з AlphaZero, досліджуйте сигнали фіксованих даних і ризики синтетичних даних.

Пов'язані напрямні шляхиТочне налаштування самостійної гри
Питання 1 з 8

Яка відома система досягла надлюдської гри в Go, використовуючи лише самостійну гру і без записів про гру людьми?

Перегляньте кожне запитання8 запитання

Відповіді та пояснення з’являються під час виконання тесту.

  1. Яка відома система досягла надлюдської гри в Go, використовуючи лише самостійну гру і без записів про гру людьми?
    • AlphaGo Zero
    • Deep Blue
    • Ватсон
    • ГПТ-2
  2. У SPIN, що відіграє роль «супротивника», якого має перемогти модель?
    • Окрема модель винагороди, навчена людиною
    • Власна попередня контрольна точка моделі та її згенеровані відповіді
    • Генератор випадкового тексту
    • Токенізатор
  3. Яка головна перевага ефективного використання даних від тонкого налаштування самостійної гри?
    • Кожного раунду для цього потрібен абсолютно новий набір даних людини
    • Він працює лише з нескінченними даними
    • Він може отримати більше переваг із фіксованого набору даних без нових людських міток
    • Для цього взагалі не потрібна модель
  4. У навчальній меті SPIN, до чого підштовхується модель?
    • Віддавати перевагу власним відповідям, а не людським посиланням
    • Ігнорувати всі дані людини
    • Запам'ятайте набір тестів
    • Призначте більшу ймовірність довідковим відповідям людини, ніж до його власних попередніх результатів
  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