পরবর্তী আপপরবর্তী গাইড
এজেন্ট লুপগুলিতে স্ব-প্রতিফলন
টেকনিক্যাল
অ্যাপ্লিকেশন গাইড
প্রতিফলন এবং স্ব-সংশোধনকারী এজেন্ট
Reflexion is a research framework in which language agents use task feedback to write textual reflections for later attempts.
এই নির্দেশিকা শুনুনএআই-বর্ণিত · ~1 min
এই পৃষ্ঠায়1 মিনিট পড়া
ওভারভিউ
It changes context, not model weights.
গভীর ডুব
The Reflexion paper describes an Actor that attempts a task, an Evaluator that scores the result, and a Self-Reflection model that turns feedback into language stored in episodic memory. The next attempt can use that reflection as context; the framework does not update model weights. The paper reports improvements on selected tasks, including a HumanEval result for its particular setup. Benchmark results should not be generalized to every agent or deployment. In the Reflexion paper’s reported coding experiment, the framework achieved 91% pass@1 on HumanEval, compared with 80% for the GPT-4 baseline described in that paper. These are results for the paper’s particular setup and benchmark, not a general performance guarantee.
বাস্তব-বিশ্ব বাস্তবায়ন
An agent receives unit-test feedback, writes a reflection, and retries a coding task.
A researcher compares Reflexion’s benchmark setup with its stated baseline.
An evaluator supplies task-specific feedback that the agent can inspect.
A developer stops iteration when a defined success condition is met.
প্রতিফলন এবং স্ব-সংশোধনকারী এজেন্টদের ভবিষ্যত
Self-correction methods remain dependent on evaluation quality, task design, and iteration cost. Avoid claims of general improvement without testing; reflections can be mistaken or lead to loops.
এটাকে বাস্তবে প্রয়োগ করা হচ্ছে
কেন এটা গুরুত্বপূর্ণ
- পছন্দগুলি তৈরি করুন. অ্যাপ্লিকেশন-স্তরের নকশা নির্ধারণ করে যে AI বাস্তব ফলাফলগুলিকে উন্নত করে কিনা।
- টিম এবং ওয়ার্কফ্লো. ভাল ওয়ার্কফ্লো ইন্টিগ্রেশন ব্যবহারকারীদের বিশ্বাস করতে পারে এমন উত্পাদনশীলতা লাভ তৈরি করে।
- ঝুঁকি এবং নিরাপত্তা. সুপরিসর ব্যবহারের ক্ষেত্রে পরিবর্তনের ক্লান্তি এবং বাস্তবায়নের ঝুঁকি হ্রাস করে।
জন্য সতর্ক
- একটি ভাঙা প্রক্রিয়া স্বয়ংক্রিয়ভাবে বিদ্যমান সমস্যাগুলিকে প্রসারিত করতে পারে।
- দলগুলি অতিরিক্ত-স্বয়ংক্রিয় হতে পারে এবং প্রয়োজনীয় মানবিক বিচার অপসারণ করতে পারে।
- আউটপুট ক্রমাগত মূল্যায়ন না করা হলে গুণমান প্রবাহিত হতে পারে।
পরবর্তী পদক্ষেপ
- বর্তমান ওয়ার্কফ্লো ম্যাপ করুন এবং সর্বোচ্চ-ঘর্ষণ ধাপ সনাক্ত করুন।
- সম্পূর্ণ অটোমেশনের আগে মানব চেকপয়েন্টগুলি সংজ্ঞায়িত করুন।
- ব্যবহারকারীদের প্রম্পট, বৃদ্ধির পথ এবং মানের মান সম্পর্কে প্রশিক্ষণ দিন।
- টেকসই মান নিশ্চিত করতে টাস্ক-লেভেল ফলাফল ট্র্যাক করুন।
অন্বেষণ চালিয়ে যান
ফ্রি নিউজলেটার
প্রতিদিনের এআই ব্রিফিং পান
প্রতি সপ্তাহের কাজের দিন সকালে তিনটি যাচাইকৃত এআই স্টোরি, সহজ ইংরেজিতে লেখা। চিরকালের জন্য ফ্রি, কোনো বিজ্ঞাপন নেই।
প্রতি সপ্তাহের কাজের দিনে একটি ইমেল। এক ক্লিকেই আনসাবস্ক্রাইব করুন। আমরা কখনোই আপনার ঠিকানা বিক্রি বা শেয়ার করি না।
নিজেকে পরীক্ষা করুন
Take the Reflexion and Self-Correcting Agents quiz
প্রতিটি উত্তরের তাৎক্ষণিক ফিডব্যাক, এবং কোর্স পাস করার পর যাচাইযোগ্য আইডি সহ একটি শেয়ারযোগ্য সার্টিফিকেট।
ফ্রি এআই শিক্ষাকে সমর্থন করুন। AI Understanding একটি 501(c)(3) অলাভজনক প্রতিষ্ঠান — কোনো বিজ্ঞাপন নেই, কোনো পেওয়াল নেই, কখনোই না। একটি দান করুন
প্রায়শই জিজ্ঞাসিত প্রশ্নাবলী
প্রতিফলন এবং স্ব-সংশোধনকারী এজেন্ট কি?
Reflexion is a research framework in which language agents use task feedback to write textual reflections for later attempts. It changes context, not model weights.
একটি প্রতিফলন এজেন্ট কীভাবে 'শিখে' তার সংজ্ঞায়িত বৈশিষ্ট্য কী?
প্রতিফলনকে কখনও কখনও 'মৌখিক শক্তিবৃদ্ধি শিক্ষা' বলা হয় কারণ পাঠগুলি মেমরিতে প্রাকৃতিক-ভাষা পাঠ হিসাবে সংরক্ষণ করা হয়, মডেলের প্যারামিটারগুলিতে এনকোড করা হয় না।
প্রতিফলন কাঠামোতে, মূল্যায়নকারী কী করে?
মূল্যায়নকারী (একটি ইউনিট পরীক্ষা, সঠিক-ম্যাচ চেক, বা এলএলএম বিচারক) সংকেত তৈরি করে যে স্ব-প্রতিফলন পদক্ষেপটি পাঠ্য পাঠে পরিণত হয়।
কেন মূল্যায়ন সংকেতের গুণমান প্রতিফলনে এত গুরুত্বপূর্ণ?
যদি মূল্যায়নকারী অবিশ্বস্ত হয়, তাহলে এজেন্ট খারাপ প্রতিক্রিয়ার উপর ভিত্তি করে আত্মবিশ্বাসী প্রতিফলন লিখতে পারে, ভবিষ্যৎ প্রচেষ্টাকে ভুল পথে পরিচালনা করতে পারে।
On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
The paper reports 91% pass@1 on HumanEval for its Reflexion coding setup; the result is specific to that evaluation.
কোনটি স্ব-সংশোধনকারী এজেন্টদের সাথে একটি প্রকৃত উন্মুক্ত ঝুঁকি?
একটি ভাল স্টপিং নিয়ম ছাড়া, একজন এজেন্ট সঠিক উত্তরগুলি সংশোধন করতে পারে, গণনা নষ্ট করতে পারে এবং কখনও কখনও ভাল আউটপুট হ্রাস করতে পারে।
শিখতে থাকুন
সম্পর্কিত গাইড
এই বিষয়ের জন্য বাছাই করা আরও গাইড