Bài kiểm tra sử dụng công cụ và tự học về sử dụng công cụ

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

1. Điều gì làm cho cách tiếp cận sử dụng công cụ học tập của Toolformer trở nên khác biệt?
   • Nó tạo và lọc các ví dụ đào tạo lệnh gọi công cụ của riêng mình, tự giám sát
   • Nó dựa vào hàng ngàn lệnh gọi công cụ do con người gắn nhãn
   • Nó chỉ sử dụng phương pháp học tăng cường từ phản hồi của con người
   • Nó mã hóa cứng mọi lệnh gọi công cụ bằng tay
2. Toolformer sử dụng tiêu chí nào để quyết định có nên giữ lệnh gọi API ứng viên hay không?
   • Liệu một người đánh giá có chấp nhận nó hay không
   • Liệu kết quả của cuộc gọi có làm giảm sự mất mát của mô hình đối với các mã thông báo sau hay không
   • Liệu cuộc gọi có trả về một chuỗi không trống hay không
   • Liệu cuộc gọi có diễn ra dưới một giây hay không
3. Toolformer ban đầu đã học cách sử dụng bộ công cụ nào?
   • Trình tạo hình ảnh, trình tổng hợp nhạc và trình kết xuất 3D
   • Chỉ có trình thông dịch Python
   • Máy tính, hệ thống QA, công cụ tìm kiếm, dịch giả và lịch
   • Chỉ một trình duyệt web và một hệ thống tập tin
4. Các lệnh gọi công cụ được thể hiện như thế nào trong văn bản trong quá trình của Toolformer?
   • Là các kênh âm thanh riêng biệt
   • Khi hình ảnh được thêm vào tài liệu
   • Chỉ là các mục trong cơ sở dữ liệu bên ngoài
   • Là mã thông báo đặc biệt đánh dấu lệnh gọi API và kết quả nội tuyến của nó
5. Điểm yếu tiềm ẩn nào của các mô hình ngôn ngữ lớn đã thúc đẩy Toolformer?
   • Họ kém về số học, thông tin hiện tại và tra cứu chính xác
   • Họ không thể tạo ra những câu trôi chảy
   • Chúng không thể được tinh chỉnh
   • Họ chỉ làm việc bằng tiếng Anh
6. Sau khi tạo và lọc các ví dụ về lệnh gọi công cụ, Toolformer sẽ làm gì với chúng?
   • Loại bỏ chúng và bắt đầu lại
   • Tinh chỉnh mô hình trên tập dữ liệu được lọc, tự tạo
   • Gửi chúng đến người chú thích để dán nhãn lại
   • Chỉ lưu trữ chúng để đánh giá
7. Why compare the next-token loss with and without an API result when filtering a candidate call?
   • To select the API with the longest response
   • To remove all calls that change the context
   • To retain calls whose result improves prediction of the following real text
   • To maximize the number of API calls per paragraph
8. Once useful tool-call examples are filtered, how does Toolformer incorporate them?
   • It discards them and trains only on human ratings
   • It changes the API results into class labels
   • It retrains each external API from scratch
   • It fine-tunes on the resulting self-generated examples