引导式测验 · 中等 等级
基础和引文测验
审查检索基础、源链接声明、引文支持以及基准如何单独评估答案质量和归因。
问题 1 的 8
“扎根”人工智能答案的主要目的是什么？
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。
- “扎根”人工智能答案的主要目的是什么？
- 将答案与特定的来源材料联系起来，而不是仅仅依靠记忆
- 让答案更长更详细
- 将答案翻译成多种语言
- 加快模型响应速度
- 引文在接地系统中扮演什么角色？
- 它们使文本听起来更学术
- 他们将主张与确切的支持段落联系起来
- 为了保护隐私，他们隐藏了模特的来源
- 他们压缩答案以节省空间
- 接地和引用是哪种常见技术的支柱？
- 梯度下降
- 代币化
- 检索增强生成 (RAG)
- 批量归一化
- If retrieved passages do not support an answer, what conservative design policy can prevent unsupported guessing?
- 无论如何，模型应该自信地猜测
- 该模型应该构成一个引文
- 该模型应该返回一个随机文档
- 该模型应该说它无法在源中找到答案
- 为什么不接地气的人工智能答案被认为很难被信任用于高风险用途？
- 它们的设计无法验证，来源无法追踪
- 它们总是语法错误
- 它们需要很长时间才能生成
- 他们使用了太多的内存
- 自动“归因检查”步骤有什么作用？
- 它以更友好的语气重写了答案
- 它验证每个引用的跨度确实支持该主张
- 它删除所有引用以节省空间
- 它将引文翻译成脚注
- What two aspects does the ALCE benchmark evaluate for long-form answers?
- Only response length and latency
- Audio quality and speaker identity
- Answer quality and citation quality
- Image resolution and color accuracy
- Why is counting citations alone insufficient to assess grounding?
- Every citation automatically verifies an answer
- Grounded systems never make factual errors
- Sources cannot contain text
- A cited source may not actually support the attached claim