Kvíz spojený s průvodcem · Střední úroveň

Kvíz o reflexi a sebeopravných prostředcích

Prohlédněte si smyčku verbální zpětné vazby Reflexion, hodnotitele, epizodickou paměť, rozsah benchmarků a rizika nespolehlivé zpětné vazby. Zkontrolujte důkazy a limity.

Související vodicí cestyReflexní a samoopravné prostředky
Otázka 1 z 8

Jaká je definující charakteristika toho, jak se agent Reflexe „učí“?

Náhled každé otázky8 otázky

Odpovědi a vysvětlení se zobrazují, jak budete v kvízu.

  1. Jaká je definující charakteristika toho, jak se agent Reflexe „učí“?
    • Ukládá písemné úvahy v kontextu bez změny váhy modelu
    • Aktualizuje hmotnosti modelu pomocí jemného ladění
    • Po každém selhání stáhne novou verzi modelu
    • Žádá člověka, aby přejmenoval svá tréninková data
  2. Co dělá hodnotitel v rámci Reflexe?
    • Vygeneruje další akci agenta
    • Boduje výsledek pokusu o vytvoření zpětnovazebního signálu
    • Vymaže staré vzpomínky, aby se ušetřilo místo
    • Přeloží úkol do jiného jazyka
  3. Proč v Reflexi tolik záleží na kvalitě vyhodnocovacího signálu?
    • Protože určuje rychlost učení modelu
    • Protože rozhoduje o tom, kolik GPU se použije
    • Protože špatný signál může agenta přimět k zamyšlení a posílení nesprávných lekcí
    • Protože nastavuje teplotu jazykového modelu
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • HumanEval
  5. Jaké je skutečné otevřené riziko u samoopravných prostředků?
    • Mohou donekonečna „opravovat“ výstup, který již byl správný
    • Vyžadují označená data pro každý token
    • Nemohou běžet na standardním hardwaru
    • Trvale narušují základní model
  6. Where does Reflexion keep feedback for a later attempt?
    • In updated model weights
    • In an episodic memory buffer supplied as text context
    • In a hardware cache shared across users
    • In the original training corpus
  7. What is the role of the Actor in Reflexion?
    • It changes the base model weights
    • It authenticates citations automatically
    • It generates the actions or attempt for the task
    • It sets the benchmark score after the run
  8. What kinds of feedback can Reflexion use?
    • Only gradient updates from fine-tuning
    • Only human ratings in every task
    • Only token likelihood from pretraining
    • Signals such as scalar outcomes or language feedback from external or simulated sources