Câu đố giải mã tính nhất quán

Câu trả lời và giải thích xuất hiện khi bạn làm bài kiểm tra.

1. How does self-consistency decoding pick a final answer from a language model?
   • Lấy mẫu nhiều cách lập luận và lấy đa số phiếu cho câu trả lời
   • Luôn chọn mã thông báo có khả năng nhất ở mỗi bước
   • Huấn luyện mô hình theo kết quả đầu ra của chính nó nhiều lần
   • Loại bỏ tất cả sự ngẫu nhiên khỏi thế hệ
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. Phương pháp giải mã nào tự thống nhất thay thế?
   • Lan truyền ngược
   • Mã thông báo
   • Giải mã tham lam của một chuỗi đơn
   • Lượng tử hóa trọng lượng
4. Phần nào của mỗi chuỗi mẫu thực sự được sử dụng trong cuộc bỏ phiếu cuối cùng?
   • Văn bản lý luận đầy đủ
   • Số lượng token được tạo
   • Cài đặt nhiệt độ
   • Chỉ có câu trả lời cuối cùng
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. Tính tự nhất quán là một ví dụ ban đầu về khái niệm rộng hơn nào?
   • nén mô hình
   • Chia tỷ lệ thời gian suy luận (dành thêm tính toán để suy luận tốt hơn)
   • Tăng cường dữ liệu trong quá trình đào tạo
   • Tăng tốc phần cứng
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