引导式测验 · 中等 等级
ChatGPT 和法学硕士测验
回顾下一代代币生成、代币、聊天机器人与模型、训练与检索，以及为什么流畅的答案和引用仍然需要来源检查。
问题 1 的 8
自回归语言模型的常见训练目标是什么？
预览每个问题8 问题
当您参加测验时，就会出现答案和解释。
- 自回归语言模型的常见训练目标是什么？
- 在实时验证的数据库中查找每个答案
- 从前面的上下文中预测可能的下一个标记
- 将每个句子分类为真或假
- 将每个输入翻译成计算机代码
- 语言模型可以将一个词拆分为多个处理单元。这些单元是什么？
- 完整的对话轮次
- 标记（Token），不一定对应完整的单词
- 最终验证的答案
- 检索返回的数据库记录
- 聊天机器人与大型语言模型之间有什么关系？
- 聊天机器人是一种应用程序，可能将模型与指令、检索、工具和界面相结合
- 聊天机器人始终等同于单一模型
- 大型语言模型是对话呈现的可视窗口
- 聊天机器人仅是一个搜索索引
- 哪项陈述区分了训练、提示和检索？
- 提示必然会改变模型权重
- 检索会永久修改模型
- 工具调用等同于一次训练周期
- 训练调整参数，而提示提供当前上下文，检索提供选定的来源
- 提供来源能消除幻觉吗？
- 是的，因为每个检索到的段落都会被精确遵循
- 是的，只要来源是公开的
- 否；模型可能会误读、忽略或错误引用所提供的证据
- 否；检索可以防止所有有用的回答
- 使用引用可靠地核实事实声明的方法是什么？
- 如果标题看起来合理就相信它
- 打开被引用的来源并确认其支持该声明
- 询问同一模型该引用是否真实
- 仅检查 URL 是否可以加载
- 一则笔记说研讨会于 10:00 开始，报名截止于周五。研讨会何时结束？
- 笔记中未说明结束时间
- 11:00
- Noon
- 聊天机器人被打开的时间
- 原始 Transformer 论文关于每个商业聊天机器人确立了什么？
- 所有产品都使用相同的实现
- 每个聊天机器人都使用相同的训练数据
- 所有模型具有相同的上下文限制
- 它描述了一种架构，但未确立每个产品的实现细节