Cuestionario sobre agentes de reflexión y autocorrección

Las respuestas y explicaciones aparecen a medida que realiza el cuestionario.

1. ¿Cuál es la característica definitoria de cómo "aprende" un agente de Reflexión?
   • Almacena reflexiones escritas en contexto sin cambiar los pesos del modelo.
   • Actualiza los pesos del modelo mediante ajustes finos.
   • Descarga una nueva versión del modelo después de cada falla.
   • Le pide a un humano que vuelva a etiquetar sus datos de entrenamiento
2. En el marco de Reflexión, ¿qué hace el Evaluador?
   • Genera la siguiente acción del agente.
   • Califica el resultado de un intento de producir una señal de retroalimentación.
   • Elimina viejos recuerdos para ahorrar espacio.
   • Traduce la tarea a otro idioma.
3. ¿Por qué la calidad de la señal de evaluación es tan importante en Reflexion?
   • Porque determina la tasa de aprendizaje del modelo.
   • Porque decide cuántas GPU se utilizan
   • Porque una señal equivocada puede hacer que el agente reflexione y refuerce lecciones incorrectas.
   • Porque establece la temperatura del modelo de lenguaje.
4. On which coding benchmark did the Reflexion paper report a 91% pass@1 result?
   • ImagenNet
   • COCO detection
   • WMT translation
   • evaluación humana
5. ¿Cuál es un verdadero riesgo abierto con los agentes autocorrectores?
   • Pueden realizar bucles interminables para "arreglar" resultados que ya eran correctos.
   • Requieren datos etiquetados para cada token
   • No pueden ejecutarse en hardware estándar.
   • Corrompen permanentemente el modelo base
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