سیلف پلے فائن ٹیوننگ کوئز

جب آپ کوئز دیتے ہیں تو جوابات اور وضاحتیں ظاہر ہوتی ہیں۔

1. کون سا مشہور نظام سپر ہیومن گو پلے تک پہنچا صرف سیلف پلے کا استعمال کرتے ہوئے اور کوئی انسانی گیم ریکارڈ نہیں؟
   • الفاگو زیرو
   • گہرا نیلا
   • واٹسن
   • GPT-2
2. اسپن میں، 'مخالف' کا کیا کردار ادا کرتا ہے جسے ماڈل کو ہرانا چاہیے؟
   • ایک الگ انسانی تربیت یافتہ انعامی ماڈل
   • ماڈل کی اپنی پچھلی چوکی اور اس کے تیار کردہ جوابات
   • ایک بے ترتیب ٹیکسٹ جنریٹر
   • ٹوکنائزر
3. سیلف پلے فائن ٹیوننگ کا ڈیٹا کی کارکردگی کا اہم فائدہ کیا ہے؟
   • اس کے لیے ہر دور میں بالکل نئے انسانی ڈیٹاسیٹ کی ضرورت ہوتی ہے۔
   • یہ صرف لامحدود ڈیٹا کے ساتھ کام کرتا ہے۔
   • یہ نئے انسانی لیبلز کے بغیر ایک مقررہ ڈیٹاسیٹ سے مزید فوائد حاصل کر سکتا ہے۔
   • اسے کسی ماڈل کی ضرورت نہیں ہے۔
4. SPIN کے تربیتی مقصد میں، ماڈل کو کیا کرنے پر زور دیا گیا ہے؟
   • انسانی حوالوں پر اس کے اپنے پیدا کردہ جوابات کو ترجیح دیں۔
   • تمام انسانی ڈیٹا کو نظر انداز کریں۔
   • ٹیسٹ سیٹ کو یاد رکھیں
   • انسانی حوالہ جات کے جوابات کو اس کے اپنے سابقہ نتائج کے مقابلے میں زیادہ امکان تفویض کریں۔
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