引導式測驗 · 中等 等級

思想之樹測驗

測試思想產生、狀態評估、搜尋和回溯,以及報告的基準結果的特定於任務的限制。

相關引導路徑思想之樹
問題 1 的 8

思想樹與思想鏈提示有何根本差別?

預覽每個問題8 問題

當您參加測驗時,就會出現答案和解釋。

  1. 思想樹與思想鏈提示有何根本差別?
    • 它探索多個推理分支並可以回溯
    • 它根據新數據重新訓練模型
    • 它刪除了所有中間推理步驟
    • 它僅適用於圖像生成
  2. 思想樹系統由哪三個組成部分組成?
    • 分詞器、嵌入器和解碼器
    • 思想生成器、狀態評估器和搜尋演算法
    • 編碼器、注意力頭和 softmax
    • 資料集、最佳化器和損失函數
  3. 在原始 Tree of Thoughts 24 點遊戲實驗中,五層廣度搜尋對其選取測試集的結果為何?
    • 100% success on every possible puzzle
    • 74% for every model and search budget
    • 74% success for GPT-4 with ToT, versus 4% for a single chain-of-thought baseline
    • 4% for ToT and 74% for chain-of-thought
  4. 思想樹系統通常如何評估部分解決方案?
    • 透過查詢外部資料庫
    • 透過測量GPU溫度
    • 透過計算使用的代幣數量
    • 透過提示模型將狀態評估為確定、可能或不可能
  5. 在現有模型上實施思想樹的事實是怎樣的?
    • 它是一個提示和搜尋包裝器,而不是重新訓練
    • 它需要從頭開始重新訓練模型
    • 它只能在專用硬體上運行
    • 它永久改變模型的權重
  6. 哪個相關框架可以讓推理路徑合併並重複使用中間結果?
    • 線性迴歸
    • 思想圖
    • 批量歸一化
    • 波束寬度修剪
  7. Which components are commonly specified in a Tree of Thoughts setup?
    • A new tokenizer, an optimizer, and a training corpus
    • A database, a browser, and a GPU driver
    • Thought proposals, an intermediate-state evaluator, and a search procedure
    • A label encoder, a loss scaler, and a checkpoint
  8. Why can Tree of Thoughts increase inference cost?
    • It always retrains the base model
    • It requires a separate model for every token
    • It eliminates all model calls after the first thought
    • It may generate and evaluate multiple candidate states across search steps