混合代理聚合测验

当您参加测验时，就会出现答案和解释。

1. 在混合代理中，聚合器模型的作用是什么？
   • 将提议者模型的响应综合为单个改进的答案
   • 随机删除除一份草稿之外的所有草稿
   • 将提示翻译为代码
   • 训练提议者模型
2. MoA 论文依赖于法学硕士的哪些关键属性？
   • 法学硕士无法读取其他模型的输出
   • 当看到同行的反应时，法学硕士会给出更好的答案（“协作性”）
   • LLM 总是同意
   • 更大的模型是不必要的
3. 农业部与简单多数投票有何不同？
   • 它逐字挑选最常见的答案
   • 它只使用一种模型
   • 聚合器读取所有草稿作为上下文并生成新的综合
   • 它完全忽略了提议者
4. 为什么提议者模型的多样性在 MoA 中很有价值？
   • 它保证相同的输出
   • 它将层数减少到零
   • 它使所有答案都是错误的
   • 不同的模型系列提供聚合器可以结合的互补优势
5. MoA 方法的主要实际成本是多少？
   • 更高的延迟和计算，因为每一层都会增加模型调用
   • 根本不需要推理
   • 只能输出一个单词
   • 删除原来的提示
6. MoA 论文关于 AlpacaEval 2.0 开源模型的报告内容是什么？
   • 他们无法运行基准测试
   • MoA 开放模型超越 GPT-4 Omni 得分
   • 开放模型总是得分为零
   • 仅测试了封闭模型
7. What information is given to an agent in a later Mixture-of-Agents layer?
   • Only the original prompt with all earlier drafts removed
   • Only a majority-vote label
   • The outputs produced by agents in the preceding layer
   • A gradient update from each previous model
8. What is the purpose of placing several proposer models in the first MoA layer?
   • Train a shared base model from scratch
   • Choose one response by majority vote and discard the rest
   • Compress all outputs into a single token
   • Create a set of candidate responses for later agents and the aggregator to use