Quiz : Préparation des données
30 questions sur les formats de jeux de données, la qualité et les données synthétiques.
Question 1
Quel format est le meilleur pour des instructions à un seul tour ?
A) ShareGPT
B) Alpaca
C) JSON Lines
D) CSV
Afficher la réponse
Réponse correcte : B
Le format Alpaca avec des champs instruction/entrée/sortie est conçu pour suivre des instructions à un seul tour.
Question 2
Quel format prend en charge les conversations à plusieurs tours ?
A) Alpaca
B) ShareGPT
C) Texte brut
D) Markdown
Afficher la réponse
Réponse correcte : B
Le format ShareGPT avec un tableau de conversations prend en charge les dialogues à plusieurs tours.
Question 3
Qu'est-ce qui est plus important : la qualité ou la quantité des données ?
A) Quantité
B) Qualité
C) Elles sont également importantes
D) Ni l'une ni l'autre
Afficher la réponse
Réponse correcte : B
La qualité prime sur la quantité—500 exemples de haute qualité surpassent souvent 50 000 exemples de faible qualité.
Question 4
À quoi sert tokenizer.apply_chat_template() ?
A) Créer de nouveaux tokens
B) Formater les messages dans le format attendu par le modèle
C) Supprimer les tokens spéciaux
D) Entraîner le tokenizer
Afficher la réponse
Réponse correcte : B
apply_chat_template formate les messages selon le format de conversation attendu par le modèle.
Question 5
Qu'est-ce que Self-Instruct ?
A) Modèle s'entraînant lui-même
B) Utilisation de LLMs pour générer des paires instruction-réponse
C) Mécanisme d'auto-attention
D) Un type d'optimiseur
Afficher la réponse
Réponse correcte : B
Self-Instruct est une technique où les LLMs génèrent de nouvelles paires d'entraînement instruction-réponse.
(Les questions 6-30 couvrent : l'importance de la déduplication, les dimensions de la qualité, les tailles recommandées de jeux de données, Evol-Instruct, les stratégies de validation, le mélange de données réelles et synthétiques, la cohérence des formats, la génération spécifique au domaine, la prévention de la contamination et la mise en œuvre pratique)
Résultats
| Score | Niveau |
|---|---|
| 27-30 | Excellent |
| 21-26 | Bon |
| 15-20 | Moyen |
| Moins de 15 | Révision nécessaire |