Mit dem Guide verknüpftes Quiz · Mittel Ebene

Reflexions- und Selbstkorrektur-Agenten-Quiz

Sehen Sie sich Reflexions verbale Feedbackschleife, den Bewerter, das episodische Gedächtnis, den Benchmark-Bereich und die Risiken unzuverlässigen Feedbacks an. Prüfen Sie Beweise und Grenzen.

Verwandte FührungspfadeReflexions- und Selbstkorrekturmittel
Frage 1 von 8

Was ist das entscheidende Merkmal dafür, wie ein Reflexion-Agent „lernt“?

Sehen Sie sich jede Frage in der Vorschau an8 Fragen

Während Sie am Quiz teilnehmen, werden Antworten und Erklärungen angezeigt.

  1. Was ist das entscheidende Merkmal dafür, wie ein Reflexion-Agent „lernt“?
    • Es speichert schriftliche Reflexionen im Kontext, ohne die Modellgewichtungen zu ändern
    • Es aktualisiert die Gewichte des Modells durch Feinabstimmung
    • Nach jedem Fehler wird eine neue Modellversion heruntergeladen
    • Es fordert einen Menschen auf, seine Trainingsdaten neu zu kennzeichnen
  2. Was macht der Evaluator im Reflexionsrahmen?
    • Es generiert die nächste Aktion des Agenten
    • Es bewertet das Ergebnis eines Versuchs, ein Feedbacksignal zu erzeugen
    • Es löscht alte Erinnerungen, um Platz zu sparen
    • Es übersetzt die Aufgabe in eine andere Sprache
  3. Warum ist die Qualität des Bewertungssignals bei Reflexion so wichtig?
    • Weil es die Lernrate des Modells bestimmt
    • Denn es entscheidet darüber, wie viele GPUs genutzt werden
    • Denn ein falsches Signal kann dazu führen, dass der Agent über falsche Lektionen nachdenkt und diese verstärkt
    • Weil es die Temperatur des Sprachmodells festlegt
  4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
    • ImageNet
    • COCO detection
    • WMT translation
    • HumanEval
  5. Welches ist ein echtes offenes Risiko bei selbstkorrigierenden Wirkstoffen?
    • Sie können eine endlose Schleife durchführen, um bereits korrekte Ausgaben zu „reparieren“.
    • Sie erfordern gekennzeichnete Daten für jeden Token
    • Sie können nicht auf Standardhardware ausgeführt werden
    • Sie beschädigen das Basismodell dauerhaft
  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