Self-RAG і рефлексивна вікторина

Відповіді та пояснення з’являються під час виконання тесту.

1. Compared with a baseline that retrieves for every input, what adaptive decision does Self-RAG learn?
   • Which operating system to install for every query
   • Whether retrieval is needed, including decisions as generation progresses
   • How to permanently remove all document sources
   • How to prove every generated statement without inspecting evidence
2. Що таке «токени відображення» в Self-RAG?
   • Ключі шифрування документів
   • Облікові дані користувача для входу
   • Мітки часу на отриманих файлах
   • Спеціальні керуючі маркери, які видає модель, щоб оцінити релевантність, підтримку та корисність
3. What does Self-RAG's IsSupported reflection token predict?
   • Whether the model's hardware has enough disk space
   • Whether a support ticket has been paid
   • Whether a generated segment is supported by the retrieved evidence
   • Whether every source claim is independently proven true
4. Як модель Self-RAG зазвичай навчається створювати маркери відображення?
   • Контрольоване навчання на даних, позначених маркерами відображення, часто отриманими з більш сильної моделі
   • Кластеризація без нагляду
   • За правилами кодування вручну без навчання
   • Лише з підкріпленням навчання від людських клацань
5. Яку перевагу дає критика «Є релевантною» для кожного уривка?
   • Це прискорює підключення до мережі
   • Він стискає сховище документів
   • Це змінює токенізатор моделі
   • Він відфільтровує отримані уривки, які насправді не допомагають запиту
6. How can reflection-token scores affect Self-RAG inference without a new training run?
   • Every query must update all model parameters
   • Weighted critique scores can be combined with generation likelihood during segment-level candidate search
   • The critique scores must replace all source text with random tokens
   • Changing a score weight guarantees all factual errors disappear
7. What should an evaluator infer from a high Self-RAG IsSupported probability alone?
   • The model predicts support, which still needs checking against the actual evidence
   • The answer has been independently verified as true
   • No source passage needs to be read
   • Every external document is guaranteed accurate
8. At what granularity can Self-RAG adapt retrieval while developing a response?
   • Only when the operating system restarts
   • Only after the final answer has been published
   • As generated segments progress, rather than only one fixed retrieval at the beginning
   • Only by changing the tokenizer's vocabulary permanently