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。
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。
- 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
- 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
- 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
- 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
- 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
- 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
- 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
- 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