Quiz lié à un guide · Moyen Niveau
Quiz sur les modèles d'agent ReAct
Passez en revue le raisonnement entrelacé et l'utilisation des outils de ReAct, la façon dont les observations mettent à jour les plans et les paramètres de tâche dans lesquels la méthode a été évaluée.
Question 1 de 8
Quelles sont les deux fonctionnalités que le modèle ReAct combine ?
Prévisualisez chaque question8 des questions
Les réponses et les explications apparaissent au fur et à mesure que vous répondez au quiz.
- Quelles sont les deux fonctionnalités que le modèle ReAct combine ?
- Raisonner (penser) et agir (utiliser des outils)
- Génération d'images et synthèse audio
- Chiffrement et compression
- Impression et numérisation
- Quels sont les trois éléments répétitifs d’une boucle ReAct ?
- Entrée, sortie, redémarrage
- Pensée, Action, Observation
- Encoder, décoder, afficher
- Connexion, Déconnexion, Actualisation
- Qu'est-ce qu'une « Observation » dans la boucle ReAct ?
- Le plan interne du modèle
- Le mot de passe d'un utilisateur
- Le résultat renvoyé après avoir effectué une action, comme un résultat de recherche
- Un dernier email de synthèse
- Pourquoi ReAct peut-il réduire les hallucinations par rapport au pur raisonnement en chaîne de pensée ?
- Il ne laisse jamais le modèle raisonner
- Il supprime les données d'entraînement du modèle
- Cela ne fonctionne que hors ligne
- Il fonde le raisonnement sur des observations réelles à partir d’outils et de données externes
- What improvement did the ReAct paper report over imitation/RL baselines on ALFWorld?
- An absolute success-rate improvement of 34 percentage points in its evaluated setup
- A 100% success rate across all tasks
- A 34% reduction in tool calls on every benchmark
- Aucun changement mesurable
- Which external source did the ReAct paper use to retrieve observations in its knowledge-intensive QA experiments?
- A private medical database
- A Wikipedia API
- A spreadsheet stored in the model weights
- An offline dictionary only
- How can an observation change the next step in a ReAct trajectory?
- It is always ignored after an action
- It guarantees the next action is correct
- The model can revise its plan based on the tool or environment result
- It automatically becomes the final answer
- Which task types did the original ReAct paper evaluate?
- Only image compression
- Only speech recognition
- Only spreadsheet formatting
- Knowledge-intensive question answering and interactive decision-making